機械学習・深層学習のためのPython環境構築(PC版)

はてなブックマーク - 機械学習・深層学習のためのPython環境構築(PC版)
LINEで送る
Pocket

この記事は、機械学習・深層学習のためのPythonのインストールの方法を詳しく説明します。

この記事ではPythonのバージョン3を採用します。(Python2が近いうちにサポートがされなくなるかもしれないという背景もありますので)

インストールのプロセスなどで、これを意識していただければと思います。

Python環境とAnaconda

最近PCでPythonの環境を構築するには、Anacondaを使うのがだんだん主流になってきました。

macOS、Windows、Linux三つのプラットフォーム対応です。(私は三つのプラットフォームで確認しました。)

Anaconda(https://www.anaconda.com/)はPythonの実行環境の切り替え、管理を簡単にできるようにパッケージ化したソフトウェアです。下記の図解をご参照ください。

特に、仮想環境の管理が便利で、複数のプロジェクトを複数のバージョンのパッケージを利用して並走するときに重宝します。仮想環境の作り方はあとで説明します。

また、Jupyter Notebookも簡単に導入することができます。Jupyter Notebookについてはまた別の記事を書きたいと思います。

Anacondaのダウンロード

Anacondaのダウンロードページで、Anacondaのインストーラーをダウンロードしてください。

私はmacOSを使っていますので、macOS版インストーラーをダウンロードしてインストールします。みなさんは、自分のPC環境に合わせて、対応するインストラーをダウンロードしてインストールしてください。

右上の「ダウンロード」ボタンをクリックして、ダウンロードページに遷移します。

3.7のバージョンのインストーラーを選んでダウンロードします。

Anacondaのインストール

インストーラーダウンロードしてから、インストールを始めます。

 

利用許諾契約を同意した上、インストールを継続します。

 

完了するまで環境によりますが、約数分間で完了します。

最後完了する前に、Microsoft VSCodeをインストールするかどうかが聞かれます。

私はすでにインストール済みなので、このステップはスキップします。

みなさんは必要に応じてインストールしてください。

Anaconda Navigatorの起動

インストール完了後、アプリケーションフォルダからAnaconda Navigatorのアイコンをクリックして起動することができます。(macOSの場合)

Anaconda Navigatorから、有用なパッケージを直接インストールすることができます。それぞれのパッケージの用途の説明は本書の対象外なので割愛します。

Anacondaで環境の設定

上のスクリーンショットの通り、左側は、メニューの2番目「Environment」をクリックすると、Anacondaが管理している環境設定が一覧で表示されます。この画面ではすでにいくつか環境が設定されています。(base、anaconda3、penvなど)

早速、新しい仮想環境を一つ作ってみましょう。

左下の「create」ボタンを押して、作成を開始させます。

 

上記のポップアップウィンドウに下記のように設定してください。

「Name」のところは、仮想環境の名前、自分が見てすぐ分かるような名前が良いでしょう。ご自身で自由に設定して問題ありません。

例えば、今回は機械学習の内容ですので、仮に「machine-learning」という名前をつけます。(名前はなんでもいです。)

「Packages」のところは、プールダウンメニューから、Pythonのバージョンが選べます。ここでは3.6とします。Rは今回使いませんので、チェクしないままで「create」ボタンをクリックして仮想環境を作成し始めます。

 

仮想環境の作成が完了したら、自動的に「machine-learning」に切り替えます。まだ作成したばかりで、この仮想環境はデフォルトのパッケージしか入っていません。

次は、左のメニューから「Home」に移動します。

 

この画面から、Jupyter Notebookのアイコンがあります、Jupyter Notebookのアイコンの下にある「install」ボタンをクリックして、「machine-learning」という仮想環境に「Jupyter Notebook」をインストールします。

インストール完了後、Jupyter Notebookのカードのところに、「launch(起動)」ボタンが現れます。

Jupyter Notebookの使い方は、別の記事で説明します。続いて、この仮想環境にパッケージのインストールの仕方を説明します。

まずChannelの追加

Anacondaで、パッケージのインストールは、Channelと設定して行います。

まず、仮想環境の名称の右側にある「Channel」ボタンを押します。

 

開いたポップアップウィンドウにある「Add」をクリックします。「conda-forge」を入力してChannelを追加します。(conda-forgeはよくメンテされているパッケージのチャンネルです。https://conda-forge.org/

追加しましたら、一回「Update Channels」を押して、全てのChannel情報を最新にしておきましょう。(Environment画面でも同様な操作ができます。)

仮想環境にパッケージをインストール

「Environment」の画面に切り替えて、ソーティングのフィルターをプールダウンメニューから「Not Installed(インストールしていない)」を選んで、まだインストールしていないパッケージの一覧を表示させます。

その上で、右側にある検索欄に「numpy」を入力します。NumPyは行列の演算処理でよく使う定番のパッケージです。これを検索してインストールします。

numpyがリストに現れますので、numpyの前チェックを入れて、右下の「Apply」をクリックします。

関連のパッケージも検出して、合わせてインストールするパッケージの一覧が表示されます。ここで「Apply」をクリックして、インストールします。全部conda-forge のChannelで提供しているパッケージですね。

PCの性能によりますが、通常は数分以内でパッケージのインストールが完了します。

他のパッケージも同じ要領でインストールします。

まとめ

いかがでしょうか?Anacondaを導入すると、PCに簡単に複数のPython仮想環境を構築、管理することができます。機械学習や深層学習のために、具体的に何をするかによりますが、一般的に下記のパッケージが必要かと思います。

sklearn、scipy、numpy、matplotlib、Pillow、Jupyter、pandas、keras、tensorflow、chainerなどです。

それぞれ、どういうふうに使うかについては、また別途それぞれの記事を書こうと考えています。

機械学習入門チュートリアルscikit-learnで手書き数字学習と認識

では、楽しい機械学習、深層学習の旅を始めましょう!

はてなブックマーク - 機械学習・深層学習のためのPython環境構築(PC版)
LINEで送る
Pocket

Add a Comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

By continuing to use the site, you agree to the use of cookies. more information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close