TensorFlow（CPU mode）のWindowsへのインストール

TensorFlowはVer. 0.12からWindows^[1]Windows 7以降の64bit版をサポートしています。を公式サポートしています。今回はWindows 7(64bit)環境で

1. AnacondaでPython 3.6環境を構築
2. TensorFlow 1.7.0, Keras 2.1.5をインストール
3. Jupyter notebookでTensorFlow用のkernelを設定

を行う機会があったのでその手順を紹介します。

Anacondaのインストール

まず、PythonディストリビューションであるAnacondaをインストールします。AnacondaのダウンロードページからPython 3系の最新インストーラ（今回だとPython 3.6 version）をダウンロードします。

ダウンロードしたインストーラを「管理者として実行」します。ウィザードに従って「Next」をクリックしていくとインストールが完了します。インストール完了後にMicrosoft VSCodeのインストールを促す画面が出ますが「Skip」で問題ありません。

TensorFlowのインストール

「スタート」 > 「すべてのプログラム」 > 「Anaconda3 (64-bit)」 > 「Anaconda Prompt」を選びます。

まずTensorFlow用のPython仮想環境を作ります。

(base) C:\Users\(ユーザ名)> conda create -n tensorflow_p36 pip python=3.6

パッケージをインストールして良いか？という確認メッセージが出るので「y」を入力します。

作成した”tensorflow_p36″環境に切り替えてTensorFlowをインストールします。

(base) C:\Users\(ユーザ名)> conda activate tensorflow_p36
(tensorflow_p36) C:\Users\(ユーザ名)> pip install --ignore-installed --upgrade tensorflow

念のためpythonを起動してTensorFlowの動作確認をします。

(tensorflow_p36) C:\Users\(ユーザ名)> python

とするとpythonが対話モードで起動するので

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, world')
>>> sess = tf.Session()
>>> print(sess.run(hello))

と入力して「b’Hello, world’」と出力されればTensorFlowが動作しています。動作が確認できれば

>>> quit()

としてpythonの対話モードから抜けてKerasのインストールに移ります。

Kerasのインストール

次にKerasのインストールを行います。TensorFlowと同様にpipコマンドで

(tensorflow_p36) C:\Users\(ユーザ名)> pip install keras

とするとkerasがインストールされます。

Jupyter notebookのkernelにTensorFlow用の環境を追加

せっかくTensorFlow用のPython仮想環境（”tensorflow_p36″）を作ったのでJupyter notebookから利用できるようにします。まずPython仮想環境側にもJupyter notebookを入れる必要があるため

(tensorflow_p36) C:\Users\(ユーザ名)> conda install notebook ipykernel

としてJupyter notebookをインストールします。

(tensorflow_p36) C:\Users\(ユーザ名)> ipython kernel install --user --name tensorflow_p36

とするとJupyter notebookのkernelに作成した”tensorflow_p36″環境が追加されます。

念のため

(tensorflow_p36) C:\Users\(ユーザ名)> jupyter kernelspec list

を実行して”Available kernels”の中に”tensorflow_p36″が含まれていることを確認しましょう。

Jupyter notebookでTensorFlowの利用

「スタート」 > 「すべてのプログラム」 > 「Anaconda3 (64-bit)」 > 「Jupyter Notebook」を選ぶとJupyter notebookが起動されます。

「New」 > 「tensorflow_p36」を選ぶと先ほど作った”tensorflow_p36″環境でPythonコードを実行できます。

Kerasサンプルの実行

Keras applicationsの画像分類サンプルを実行してみます。ここではサンプル画像

をImageNetで事前学習したモデルで分類してみます。学習済みモデルの読込（h5pyモジュール）と画像処理（pillowモジュール）が必要なので

(tensorflow_p36) C:\Users\(ユーザ名)> pip install h5py pillow

としてインストールしJupyter notebookを再起動します。

サンプル画像を”C:\tensorflow_test\profile.png”に保存して

from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

model = ResNet50(weights='imagenet')

img_path = 'C:/tensorflow_test/profile.png'
img = image.load_img(img_path, target_size=(224, 224))
img

x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

preds = model.predict(x)
print('Predicted:', decode_predictions(preds, top=3)[0])

を実行すると

サンプル画像を画像分類した結果をJupyter notebook上で確認できます。

参考情報

• Installing TensorFlow on Windows: “Installing with Anaconda”にAnaconda環境にインストール手順が解説されています。
• 無能学生の作業ログ「jupyter notebook上で複数のpythonを存在させる」: Jupyter notebookにkernelを追加する方法が解説されています。