Windows および Linux で Tensorflow をダウンロード、インストール、セットアップする方法

TensorFlow は、機械学習と AI (人工知能) のために Google によって開発されたオープンソース プラットフォームです。これは、その分野で働く開発者のさまざまなタスクに役立ちます。

まず、TensorFlow を利用する前に、機械学習、特に深層学習について理解する必要があります。

ここでは、TensorFlow、その機能、そして Windows と Linux に TensorFlow をインストールする簡単な方法についていくつか取り上げたいと思います。

TensorFlow の概要

技術的には、TensorFlow は、深層学習アプリケーションやその他の機械学習のユースケースに役立つオープンソース プラットフォームです。

これにより、ML を活用したアプリケーションの構築とデプロイが容易になります。機械学習を使用して問題を解決したい場合は、TensorFlow の助けを得ることができます。

TensorFlow は、Python または JavaScript を使用したモデルの開発とトレーニングを支援するツールを提供します。私は開発者ではありませんが、 ドキュメントを 参照して、機械学習アプリケーションをデプロイするワークフローにどのような影響を与えるかを知ることができます。

TensorFlowの特徴

TensorFlow はいくつかの理由で有名ですが、その最高の機能を知ることで、それを自分で評価できます。

技術的な利点について議論する場合は、自分が行っていることと比較する必要があります。したがって、ほとんどの人にとって有益な共通の機能に焦点を当てます。

1. オープンソース

Google は、コミュニティが TensorFlow をさらに改善し、その仕組みについて透明性を提供できるように、2015 年に TensorFlow をオープンソース化することを決定しました。

開発者は、さまざまな方法でライブラリをカスタマイズして、予期しない問題を解決できます。

オープンソース フレームワークがなければ、これほど普及しなかったかもしれません。したがって、

2. 簡単なデバッグ

TensorFlow は、簡単なモデル構築を支援することを目的としています。したがって、簡単なデバッグ エクスペリエンスはそのプロセスの一部です。

直感的なユーザーエクスペリエンスはその上にあります。

3. CPUとGPUの両方をサポート

TensorFlow を使用すると、CPU または GPU でデータ計算をトレーニングできるようになります。通常、GPU は CPU に比べてディープ ラーニング アプリケーションの処理を高速化します。

したがって、強力な GPU を保有している場合、TensorFlow はそれを最大限に活用するのに役立ちます。

4. 便利な機械学習 API

API は、開発者がさまざまな機能をアプリケーションに統合するのに役立ちます。また、TensorFlow は、安定した API の優れたコレクションへのアクセスを提供します。

それらの中には、パフォーマンス上の利点も提供するものもあります。公式の主張によれば、Python で利用可能なものであれば問題はありません。他の言語を使用している場合は、その言語が自分のユースケースにどれだけ適しているかを TensorFlow のメンテナーに確認する必要があります。

5. 量産用の既製モデル

TensorFlow は、さまざまな事前トレーニングされたモデルを備えています。専門家でも初心者でも、これらを使用して時間を節約し、ML モデルをより速く構築できます。

これらの機能に加えて、機械学習の開発ワークフローを支援する柔軟性、使いやすさ、視覚化ツールキットなどが得られます。

TensorFlow についてよく理解できたところで、どこからダウンロードできるでしょうか? Windows および Linux システムにインストールしてセットアップするにはどうすればよいですか?

以下でそれについて説明しましょう。

TensorFlow のダウンロードとインストール

他のプログラムとは異なり、ここでは .exe セットアップ ファイルは入手できません。主に、推奨されるパッケージ マネージャーを使用してパッケージをダウンロードする必要があります。

全体として、インストール方法はさまざまです。それらは次のようにリストできます。

• Miniconda と pip の使用
• WSL 2 で Miniconda と pip を使用する
• Dockerコンテナの使用
• ソースから構築する

Windows に TensorFlow をインストールするにはどうすればよいですか?

他のプログラムとは異なり、ここでは .exe セットアップ ファイルは入手できません。推奨されるパッケージ マネージャーを使用してパッケージをダウンロードする必要があります。

#1 。 Minicondaとpipを使う（推奨方法）

注: これを書いている時点では、TensorFlow 2.10 が Windows 上で GPU を (ネイティブに) サポートする最後のバージョンです。 新しいパッケージを使用する場合、TensorFlow は、 次に説明する WSL 2 に TensorFlow をインストールすることを推奨します。

GPU サポートで TensorFlow を使用したい場合、TensorFlow は Miniconda ( conda パッケージ マネージャーのインストーラー ) を使用して開始することを推奨します。

Miniconda を使用すると、システム内の他のソフトウェアとの競合を避けるために別の環境を作成できます。

開始するには 、最新の Miniconda Windows インストーラー をダウンロードし、画面上の指示に従ってインストールを完了する必要があります。

完了したら、スクリーンショットに示すように Miniconda プロンプトを起動する 必要があります。

以下にその様子を示します。

Anaconda プロンプト ウィンドウが表示されたら、次のコマンドを入力して、conda パッケージ マネージャーが更新されたことを確認できます。

conda update -n base -c defaults conda

それはさておき、 TensorFlow をインストールするために従う必要がある手順は次のとおりです。

まず 、新しい環境を ( tf という名前で) 作成します。

conda create --name tf python=3.9

ヒント : conda activate tf および conda deactivate コマンドを使用してアクティブ化/非アクティブ化できます。

次に進むには、それをアクティブ化する必要があります。プロセスで GPU サポートを有効にするには、グラフィックス ドライバー (NVIDIA GPU) がインストールされていることを確認し、次のコマンドを使用していくつかのパッケージをインストールする必要があります。

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

約 1 ギガのパッケージをダウンロードします。これには、GPU とディープ ニューラル ネットワークを使用して機械学習アプリケーションをデプロイできるツールが含まれています。

最後に 、pip パッケージ マネージャーを利用して TensorFlow パッケージをインストールする必要があります。 conda を使用して Tensorflow をインストールすることを選択できますが、必要な最新の安定バージョンが存在しない可能性があります。

続行する前に、 次のコマンドを使用して pip が更新されていることを確認してください。

 pip install --upgrade pip

完了したら、以下を使用して TensorFlow をインストールします。

pip install tensorflow

多数のパッケージがビルド/インストールされていることがわかります。プロセスが停止しているように見える場合がありますが、少し待つと再開され、インストールが完了するはずです。

#2 。 WSL 2 で Conda と pip を使用する

システムにすでに WSL 2 がセットアップされていると仮定すると、ディストリビューションのターミナルで次のコマンドを使用して TensorFlow をインストールできます。

 conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/

python3 -m pip install tensorflow

# Verify install:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

一度に貼り付けることもできますし、1つずつ処理していきます。

Windows に WSL 2 をインストールしていない場合。 管理者アクセス権でコマンド プロンプト に移動し、次のように入力します。

 wsl.exe --install

Ubuntu をダウンロードし、システムの WSL 機能を有効にする必要があります。完了するには PC を再起動する必要があります。

システム上に Ubuntu が見つからない場合は、Microsoft Store に移動して Ubuntu WSL をインストールできます。

#3 。ソースからビルド

TensorFlow がオープンソースであることを考慮すると、設定オプションを使用してゼロから構築できます。

したがって、これは、すべてのオプションを認識し、構成すべきナットとボルトを知っている上級ユーザーに推奨されます。詳細については、 公式ドキュメント を参照してください。

Linux に TensorFlow をインストールするにはどうすればよいですか?

Windows と同様に、Linux では Miniconda と pip を使用して TensorFlow をインストールできます。または、ソースからビルドすることを選択します。

それがどのように行われるかを説明しましょう:

#1 。 Minicondaとpipを使う（推奨方法）

注: Windows と同じコマンドに従います。唯一の違いは、Linux で Miniconda をインストール/ダウンロードする方法です。

ターミナルを使用して Linux に Miniconda をインストールする方法は次のとおりです。

 curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh

bash Miniconda3-latest-Linux-x86_64.sh

Linux ディストリビューションでターミナルを再起動すると、次のような内容が表示されます。

ターミナルプロンプト変数の前に (base) があることに注意してください。これは、conda が現在アクティブでインストールされていることを示します。

TensorFlow のインストールが完了するまでは、非アクティブ化しないでください。

Windows については上記の手順に移動して、インストールできます。または、 以下を貼り付けて TensorFlow をインストールします。

 conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Linux では、GPU ドライバーに問題が発生する可能性があります。そのためには、 NVIDIA のドキュメントを 参照して詳細を学ぶ必要があります。

#2 。ソースからビルドする

Windows と同様、Linux ではソース コードからのビルドは難しく、純粋に上級ユーザー向けです。

(初心者であると仮定して) 何か特別な考えがない限り、この方法を選択すべきではありません。これについてさらに詳しく調べる最善の方法は、 ドキュメント を参照することです。

Docker を使用して TensorFlow をインストールするにはどうすればよいですか? (Windows および Linux)

プラットフォームに関係なく、Docker を使用すると、TensorFlow イメージを問題なくインストールできます。

システムに Docker がインストールされていることを確認するか、Docker インストール ガイドに従ってヘルプを参照してください。

設定が完了したら、 Docker 内から次のコマンドを入力する必要があります。

 docker pull tensorflow/tensorflow  

作業に必要な構成でコンテナを起動するには、Docker コンテナに関する専門知識が必要です。

特定の GPU サポートまたは別の TensorFlow バージョンのダウンロードについては、 公式ドキュメント で利用可能なオプションを参照してください。

Docker を使用してコマンドを実行する場合、コマンドは次のようになります。

 docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]

TensorFlow の一般的なインストール エラー

結論として、TensorFlow をインストールしようとするときに発生する可能性のある一般的なエラーをいくつか示します。

• 「 ImportError: DLL のロードに失敗しました: 指定されたモジュールが見つかりませんでした。」 「:

それはCUDAがインストールされていないことを意味します。

• 「AttributeError: モジュール ‘tensorflow’ には属性 ‘Session’ がありません」 :

TensorFlow インストールが破損しています。 TensorFlow と TensorFlow-GPU を完全にアンインストールしてから、TensorFlow-GPU を再インストールします。

• おそらく tensorboard に関連する一般的な問題 :

Tensorflow は tensorboard を使用しますが、これは時々「気まぐれ」になる可能性があります。 TensorFlow と同じバージョンの tensorboard を使用し、それ以降のバージョンをアンインストールすることが不可欠です。

• 「インポートエラー: DLL のロードに失敗しました: 指定されたモジュールが見つかりませんでした 」:

CUDA がインストールされていないか ( memcheck を使用)、インストールされている TensorFlow GPU のバージョンに互換性がありません。解決策は簡単です。TensorFlow-GPU をアンインストールし、古いバージョンをインストールします。

• 「インポートエラー: ‘cudart 64_10.dll’ が見つかりませんでした」 :

インストールされている CUDA のバージョンは、お使いのコンピュータと互換性がありません。このエラーは、64 ビットの CUDA 10.0 が必要であることを示しています。したがって、CUDA を完全にアンインストールしてから、コンソールに表示されたバージョンをインストールできます。新しいインストールでは必ず環境変数を変更してください

結論

TensorFlow のインストールは 1 回限りの作業であり、私たちのガイドを使えば、ほとんどの人にとって手間のかからないプロセスになるはずです。

古い Python バージョンまたは古い Conda パッケージ マネージャーを使用した以前の構成またはセットアップがすでにある場合。 TensorFlow をシームレスにインストールするには、必ず最新のアップデートを適用してください。

AI および ML アプリケーションを構築するための最適な AI プラットフォームを探索することもできます。