AI(深層学習)プログラミングの環境構築をなるべくわかりやすく解説

AI(深層学習)プログラミングの環境構築をなるべくわかりやすく解説

ここでは実際にAI(深層学習)をプログラミングするための準備をしたいと思います.

具体的には,

  • Pythonのインストール
  • 深層学習を扱うためのフレームワークのインストール
  • 深層学習を高速に行うためのツールのインストール

を行い,深層学習をみなさんのパソコンで実行できるようにします.

この記事では,OSはLinuxを想定していますが,WindowsやMac OSでももちろん環境構築可能です.WindowsやMacでの環境構築に関する情報は一番最後に紹介しているので,そちらも参考にして下さい.

Python

プログラミング言語は数多くありますが,深層学習を扱うならPythonが特に初学者の方にはおすすめです.

理由として,以下の点が挙げられます.

  • オープンソースなので無料で自由に利用可能
  • シンプルで読みやすく,覚えやすい
  • 深層学習を扱うための多くのライブラリやツールが揃っている

Pythonは初学者からプロフェッショナルまで幅広く利用されているため,覚えておいて損はないプログラミング言語です.

私も実際にPythonを用いて研究や事務処理を行うことが多いです.

Pythonのインストール

Pythonのインストール方法にはいくつかありますが,今回はAnacondaと呼ばれるものを利用します.Pythonや深層学習のフレームワークを利用するために,多くの外部ライブラリ(ツール)を必要としますが,それらを一括でインストールできるようにまとめてあるのが,Anacondaになります.

それでは,以下のリンクからAnacondaをインストールしましょう.

Anaconda distribution

インストールする際に,Pythonのバージョンを選択する必要がありますが,3.X系を選択しておけば問題ないと思います.

インストールが終了したら,ターミナル(コマンドプロンプト)でバージョンを確認しましょう.

$ python --version
Python 3.6.2 :: Anaconda, Inc.

上記のように表示されていれば無事にインストールされています.


MacやUbuntuを使用している方はデフォルトでPython2.X系が既にインストールされているかと思います.

今回インストールしたPythonとデフォルトのPythonを入れ替えるには,pyenvと呼ばれるPythonのバージョン管理ツールを使用することで簡単に入れ替えることが可能です.

以下ではMacとUbuntuでの変更方法を例に説明します.

Mac

まずは,Homebrewでpyenvをインストールします.

$ brew install pyenv

続いて,.bash_profileを編集します..bash_profileは /Users/yourusername/.bach_profile にあります.

export PYENV_ROOT="$HOME/.pyenv"
export PATH="$PYENV_ROOT/bin:$PATH"
eval "$(pyenv init -)"

次に,pyenvを用いてAnacondaをインストールします.

# pyenvでインストール可能なAnacondaのバージョンを表示.
pyenv install -l
(中略)
 anaconda3.X.Y

# インストール.
pyenv install anaconda3.X.Y

最後に,デフォルトで入っていたPythonと上記でインストールしたPythonを入れ替えます.

# Pythonを変更.
pyenv global anaconda3.X.Y

Ubuntu

以下のコマンドを実行します.

sudo apt-get install -y make build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev libpng-dev
git clone git://github.com/yyuu/pyenv.git ~/.pyenv
git clone https://github.com/yyuu/pyenv-pip-rehash.git ~/.pyenv/plugins/pyenv-pip-rehash
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc
source ~/.bashrc
pyenv install -l | grep anaconda3
pyenv install anaconda3-X.Y.Z
pyenv global anaconda3-X.Y.Z
echo 'export PATH="$PYENV_ROOT/versions/anaconda3-X.Y.Z/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc

最後に,デフォルトで入っていたPythonと上記でインストールしたPythonを入れ替えます.

# Pythonを変更.
pyenv global anaconda3.X.Y

そのほか,Anacondaの詳しい使い方などは以下の記事がわかりやすいです.

深層学習フレームワークのインストール

続いて,深層学習フレームワークのインストールを行います.

いくつかのフレームワークが無料で利用可能ですが,PyTorch,TensorFlow,Chainerのいずれかが個人的にはオススメです.

特に私がオススメするのがPyTorchになります.理由としては以下の点が挙げられます.

  • 書きやすい,読みやすい
  • 多くの人が使っているため,困ったときの情報がWebで簡単に見つかる
  • コードのサンプルがWebで多く見つかる

ここでは,PyTorchのインストール方法について紹介したいと思います.

インストールはものすごく簡単で,以下のPyTorchのサイトに行き,自分のパソコン環境を選択後,表示されたコマンドを実行するだけです.

GPU周りの環境構築

続いてGPU関係の環境構築を行います.深層学習を扱うためにはGPUの使用がほぼ必須です.

CPUなどに統合されている内蔵GPUではなく,単体のGPUを搭載している場合は以下で説明するGPU周りの環境構築を行いましょう.

単体GPUがない場合は,AWSなどのクラウドサービスを使用することで,自分でGPUを用意しなくても深層学習を扱うことができます(AWSの使用方法はこちらに詳しく解説されています).

しかし,中長期的なコストを考えると,1枚でいいので自前でGPUを購入し,パソコンに搭載する方が良いかなと思います.

NVIDIA社のGeForce RTX 20802080Tiあたりがオススメです.

GPUドライバ,CUDAのインストール

GPUを深層学習フレームワークで利用可能にするには,GPUドライバとCUDAのインストールが必要になります.以下ではUbuntuでのインストール方法について説明します.

GPUドライバのインストール

# レポジトリ登録
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
# 新しいバージョンのドライバをXXX で指定してインストール (例.sudo apt-get install nvidia-415)
sudo apt-get install nvidia-XXX
# 再起動
sudo reboot now

CUDAのインストール

まず,NVIDIAのサイトから自分のOSのバージョンと一致するTool kit(cuda-repo-ubuntu<version>_*_amd64.deb)をダウンロードします.ここではUbuntu16.04をもとに説明します.

# ダウンロードしたファイルをインストール
sudo dpkg -i cuda-repo-ubuntu1604_*_amd64.deb
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo apt update
# インストールしたいバージョンのCUDAを指定してインストール
# 例えば,CUDA10.0をインストールしたい場合は,sudo apt install cuda-10-0
sudo apt install cuda-*
# PATHの設定
echo 'export PATH=/usr/local/cuda-10.0/bin:${PATH}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:${LD_LIBRARY_PATH}' >> ~/.bashrc
# 変更を更新
source ~/.bashrc
# 再起動
sudo reboot

cuDNNのインストール

cuDNNと呼ばれるライブラリをインストールすることで,より速く深層学習の演算を行うことができるので,インストールすることをおすすめします.

NVIDIAのサイトから,以下の3つのファイルをダウンロードします.

  • runtime library
  • developer library
  • code samples and user guide

なお,これらのファイルをダウンロードするには,無料のメンバー登録が必要です.

ダウンロード後,以下のコマンドを実行することでインストールできます.

sudo dpkg -i libcudnn<version>+cuda10.0_amd64.deb
sudo dpkg -i libcudnn<version>-dev_*+cuda10.0_amd64.deb
sudo dpkg -i libcudnn<version>-doc_*+cuda10.0_amd64.deb

# 例
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.5.15-1+cuda9.0_amd64.deb

環境構築に際して参考になるサイト

・Pythonインストール関係

・深層学習フレームワークインストール関係

・CUDAインストール関係

タイトルとURLをコピーしました