TensorFlow 2.3 のインストール

前準備

OS のシステム更新

Ubuntu で OS のシステム更新を行うときは， 端末で，次のコマンドを実行．

sudo apt update
sudo apt -yV upgrade
sudo /sbin/shutdown -r now

pip と setuptools の更新，Python 開発環境（JupyterLab, spyder）のインストール（Ubuntu 上）

次のコマンドを実行．

sudo apt -yV install python3-dev python3-pip python3-setuptools
sudo apt -yV install jupyter-qtconsole jupyter-notebook python3-jupyter-client python3-jupyter-console python3-spyder spyder3

（NVIDIA GPU を使うとき）NVIDIA グラフィックスボード・ドライバのインストール

※ GPU とは，グラフィックス・プロセッシング・ユニットの略で、コンピュータグラフィックス関連の機能，乗算や加算の並列処理の機能などがある．

ダウンロードページ

• NVIDIA グラフィックスボード・ドライバのダウンロード用ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp

詳しくは，次のように別ページで説明している．インストール手順が分からなくなったり，不具合があったときは，次に書いている別ページの説明を確認すること．

• Ubuntu での NVIDIA グラフィックスボード・ドライバのインストール: 別ページで説明している．

（NVIDIA GPU を使うとき）NVIDIA CUDA ツールキット 10.1 のインストール

※ CUDA とは，NVIDIA社が提供している GPU 用のプラットフォームである．

ダウンロードページ

• NVIDIA CUDA ツールキットのダウンロード用ページ: https://developer.nvidia.com/cuda-toolkit-archive

詳細説明

• Ubuntu での NVIDIA CUDA ツールキットのインストール: 別ページで説明している．

（NVIDIA GPU を使うとき）NVIDIA cuDNN 7.6 のインストール

ダウンロードページ

• NVIDIA cuDNN のダウンロード用ページ: https://developer.nvidia.com/cudnn から cuDNN を入手

  ダウンロードして展開（解凍）したら，パスを通しておくこと．

詳細説明

• Ubuntu での NVIDIA CUDA ツールキットのインストール: 別ページで説明している．

TensorFlow 2.3 のインストール手順（Ubuntu 上）

1. 端末を開く
2. 使用する Python のバージョンの確認

   python3 --version
   

3. パッケージのアンインストール操作

   ※ トラブルの可能性を減らすために，次の操作でアンインストールを行っておく．

   sudo python3 -m pip uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow_datasets tensorflow-hub keras
   
4. pip を用いてインストール

   https://www.tensorflow.org/install/gpu#pip_package の記載に従う．

   端末で，次のコマンドを実行．

   GPU 版 Tensorflow をインストールする場合

   ※ 「pip3 install」は，Python パッケージをインストールするためのコマンド

   sudo python3 -m pip install --upgrade pip
   sudo python3 -m pip install tensorflow-gpu tensorflow_datasets
   

   CPU 版の Tensorflow をインストールする場合

   ※ 「pip3 install」は，Python パッケージをインストールするためのコマンド

   sudo python3 -m pip install --upgrade pip
   sudo python3 -m pip install tensorflow tensorflow_datasets
   

5. その結果，エラーメッセージが出ていないことを確認．
6. TensorFlow のバージョン確認

   端末で，次のコマンドを実行．

   ※ バージョン番号が表示されれば OK．下の図とは違うバージョンが表示されることがある．下の図とは違うバージョンが表示されることがある

   python3 -c "import tensorflow as tf; print( tf.__version__ )"
   
7. (GPU を使うとき) GPU が認識できてるかの確認

   TensorFlow が GPU を認識できているかの確認は，端末で，次を実行して行う．

   python3 -c "from tensorflow.python.client import device_lib; print(device_lib.list_local_devices())"
   

   「device_type: "GPU"」があれば，GPUが認識できている．

   ここで，GPU があるのに，TensorFlow から認識されていないかもしれない． TensorFlow GPU 版が指定するバージョンの NVIDIA CUDA ツールキット，NVIDIA cuDNN がインストールされていないことが原因かも知れない．

   • TensorFlow 2.2 GPU 版での，NVIDIA CUDA のバージョンは 10.1 が指定されている．根拠は次のページ．

     URL: https://www.tensorflow.org/install/source#common_installation_problems

   • 指定されているバージョンより高いものは使わない．

TensorFlow のプログラム例

https://github.com/tensorflow/tensorflow に記載のサンプルプログラムを実行してみる

Python プログラムを動かす．

• 次の Python プログラムを実行してみる．

  結果として 「Hello, TensorFlow!」のように表示されるので確認する．

  import tensorflow as tf
  hello = tf.constant('Hello, TensorFlow!')
  print(hello)
  
• 今度は，次の Python プログラムを実行してみる．

  結果として 「42」のように表示されるので確認する．

  「tf.add(a, b)」と「a + b」は，同じ結果になる

  import tensorflow as tf
  a = tf.constant(10)
  b = tf.constant(32)
  print( tf.add(a, b) )
  print( a + b )
  
• 今度は，次の Python プログラムを実行してみる．

  結果として 12 が表示されるので確認する．

  import tensorflow as tf
  matrix1 = tf.constant([[3., 3.]])
  matrix2 = tf.constant([[2.],[2.]])
  print( tf.matmul(matrix1, matrix2) )