Python 3.7 のインストール（Windows上）

Windows 用の Python のダウンロードとインストール

1. Python の Web ページを開く

   http://www.python.org/を開く

2. ダウンロード用ページへジャンプ

   ページの上の方にある「Downloads」をクリック
3. Python のバージョンを選ぶ

   TensorFlow を使う予定がある場合は，https://pypi.org/project/tensorflow-gpu/#filesで，必要な Python のバージョンを確認しておくこと． 2020/5 時点では，Python 3.5 か 3.6 か 3.7 か 3.8

   以下，Python 3.7.7 （2020/05 時点の 3.7 系列の最新版）を選んだとして説明を続ける．他のバージョンでも以下の手順はだいたい同じである．

4. 画面が切り替わる．ファイルの種類を選ぶ．

   Windows の 64ビット版のインストーラをダウンロードしたいので、「x86_64-executable-installer」を選ぶ
5. ダウンロードが始まる
6. いまダウンロードしたファイルを実行する
7. Pythonランチャーをインストールするために，「Install launcher for all users (recommended)」をチェック．

   そして， 「Add Python 3.7 to PATH」をチェック． そして， 「Customize Installation」をクリック
8. オプションの機能は，既定（デフォルト）のままでよい． 「Next」をクリック
9. 「Install for all users」を選んでおいたほうが，複数人で使えて便利． 「Install」をクリック
10. インストールが始まる
11. インストールの終了

    「Disable path length limit」が表示されたときは、クリックして、パス長の制限を解除する （この表示が出ないこともある）．

    「Close」をクリック

Python のインストール後の確認

1. Windowsのユーザ環境変数PATHの 先頭部分を確認

   さきほど、「Add Python ... to PATH」をチェックしたので、 Python についての設定が自動で行われたことを確認する
2. Windows で，コマンドプロンプトを実行．
3. py と pip にパスが通っていることの確認

   次のコマンドを実行

   where py
   where pip
   

   ※ 表示は下図と違うことがありえる．エラーメッセージが出ないことを確認．
4. python のバージョンの確認

   ※ エラーメッセージが出ないことを確認．

   py --version 
   
5. Python のビルドに用いられたコンパイラのバージョン番号の確認

   py
   

   下の実行例では、バージョン番号として「1900」が表示されている
6. 引き続き，次のPythonプログラムを実行し，バージョン番号を確認する

   下の実行例では、バージョン番号として「14.1」が表示されている

   from distutils.msvc9compiler import *
   get_build_version()
   

   exit() で終了
7. pip の動作確認

   Python のパッケージも同時にインストールされることが分かる．

   ※ エラーメッセージが出ないことを確認．

   pip list
   

Python のインストール後の設定

1. Windows で，コマンドプロンプトを管理者として実行．
   
2. pip の更新

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

   python -m pip install -U pip setuptools
   

   実行結果の例は次の通り．
3. setuptools の更新

   pip install -U setuptools
   
4. 「pip list」でバージョンを確認

   pip list
   

性能の確認

行列の積, 主成分分析, SVD, k-Means クラスタリングを実行し，性能を確認する．

1. Windows で，コマンドプロンプトを管理者として実行．
   
2. まず，前準備として，次のコマンドを実行

   pip install -U numpy
   pip install -U scikit-learn
   
3. 性能の確認のため，次のコマンドを実行

   import time
   import numpy
   import numpy.linalg
   import sklearn.decomposition
   import sklearn.cluster
   X = numpy.random.rand(2000, 2000)
   Y = numpy.random.rand(2000, 2000)
   # 行列の積
   a = time.time(); Z = numpy.dot(X, Y); print(time.time() - a)
   # 主成分分析
   pca = sklearn.decomposition.PCA(n_components = 2)
   a = time.time(); pca.fit(X); X_pca = pca.transform(X); print(time.time() - a)
   # SVD
   a = time.time(); U, S, V = numpy.linalg.svd(X); print(time.time() - a)
   # k-means
   a = time.time(); 
   kmeans_model = sklearn.cluster.KMeans(n_clusters=10, random_state=10).fit(X)
   labels = kmeans_model.labels_
   print(time.time() - a)
   

   実行結果の例

   • 行列の積: 0.08 秒
   • 主成分分析: 0.10 秒
   • SVD: 2.73 秒
   • k-Means クラスタリング: 2.94 秒