2020年12月2日水曜日

Python, Tensorflow, Kerasのインストール

 tensorflowや, kerasを使用するには,色々とバージョン関係が難しいことがわかりました(eg. 昨日の投稿でPythonのver. 3.8を入れたら,Kerasは動かないと警告が出てしまった).

調べてみたところ,以下のバージョンであれば動くとのことなので,改めてインストールを行ってみました.

  • Python 3.6
  • Tensorflow(gpu版)2.0.0
  • MSVC 2017
  • CuDNN 7.4
  • CUDA 10.0
  • TensorFlow, CUDA

2020年12月1日火曜日

Windows10にminicondaをインストール

注:以下の手順でminicondaをインストールすることは可能ですが,TensorflowやKerasを利用する場合にはバージョンの問題が生じる可能性があります.現段階(2020.12.01)ではPython3.8ではKerasをインストールしようとすると,ver3.8では動かないという警告が出ました.

Windows10にminicondaをインストールした際のメモです.

MinicondaはAnacondaに比べてライブラリーの少なく,最小限の状態と言える環境設定です.以前はAnacondaをインストールしていたのですが,若干問題が発生したので,Anacondaをアンインストールして,Minicondaをインストールすることにしました.

1. Windowsのminicondaインストーラの入手

Minicondaのサイトから,Python3.8, 64bitOSのインストーラーを選択しました(当然,自分のシステムに合うものを選択します).

2. インストールの開始

ダウンロードしたminicondaインストーラをダブルクリックして起動させます.

Next >をクリックします.

I Agreeをクリックします.

Just Me(recommended)を選択してNext >をクリックします.

minicondaのインストール先を指定して,Next >をクリックします(特に必要がなければデフォルトのままで).以下の画像のモザイク部分はインストール先が記載されている場所です.

Register Miniconda3 as my default Python 3.8を選択(デフォルト)して,Next >をクリック

Next >をクリックして,インストール完了.

3. Minicondaがインストールされていることを確認

スタートメニューには,以下のように"Anaconda3 (64-bit)というフォルダとAnaconda Powershell Prompt (miniconda3),Anaconda Prompt (miniconda3)の二つのショートカットが表示されるはずです.

Anaconda Prompt(Powershellでも良い)を起動して,

        python -–version

と入力してPythonのバージョン(今回の場合は 3.8.5)が出力されればインストール完了です.

2020年11月26日木曜日

Pythonによる囲碁ゲームの表現

囲碁ディープラーニングプログラミング(原書:Deep Learning and the Game of Go)を読んでみた際のメモです.囲碁ディープラーニングプログラミングの 第I部 第3章では,Pythonによる囲碁ゲームの実装( dlgo と呼ばれるモジュールを段階的に構築して,Python上で囲碁ゲームを表現する)が始まります.

2020年9月15日火曜日

Python3 のrequestsモジュールをインストールする

Python(3.x)でWebデータの送受信を行う際には requests モジュールを使用します.Requests モジュールはデフォルトでは入っていないので,必要に応じてインストールする必要があります.

インストール方法は以下のようになります.

% pip3 install requests

Collecting requests

  Downloading requests-2.24.0-py2.py3-none-any.whl (61 kB)

     |████████████████████████████████| 61 kB 495 kB/s 

Collecting certifi>=2017.4.17

  Downloading certifi-2020.6.20-py2.py3-none-any.whl (156 kB)

     |████████████████████████████████| 156 kB 2.6 MB/s 

Collecting urllib3!=1.25.0,!=1.25.1,<1.26,>=1.21.1

  Downloading urllib3-1.25.10-py2.py3-none-any.whl (127 kB)

     |████████████████████████████████| 127 kB 2.3 MB/s 

Collecting idna<3,>=2.5

  Downloading idna-2.10-py2.py3-none-any.whl (58 kB)

     |████████████████████████████████| 58 kB 2.4 MB/s 

Collecting chardet<4,>=3.0.2

  Downloading chardet-3.0.4-py2.py3-none-any.whl (133 kB)

     |████████████████████████████████| 133 kB 3.4 MB/s 

Installing collected packages: certifi, urllib3, idna, chardet, requests

Successfully installed certifi-2020.6.20 chardet-3.0.4 idna-2.10 requests-2.24.0 urllib3-1.25.10


2020年8月11日火曜日

勾配降下法によるパラメータ最適化

 勾配降下法によるパラメータ最適化の計算に関するメモです.

$f(x) = w_{0} + w_{1}x + w_{2}x^{2} + \cdots + w_{M}x^{M} = \sum_{m=0}^{M} w_{m}x^{m} \ \ \ (1)$

e.g. $x_{1} \sim x_{10}$の10箇所の観測点について式(1)で計算される$t$の値と,実際に観測された$t_{n}$を比較する.それぞれの差の2乗を合計したものをこの推定の誤差と定義する.

$\{ f(x_{1}) - t_{1} \}^{2} + \{ f(x_{2}) - t_{2} \}^{2} + \cdots + \{ f(x_{10}) - t_{10} \}^{2} \ \ \ (2)$

誤差の値が大きいということは...式(1)から推定される$t$の値は,実際の観測値とはあまり一致していないということ.よって,誤差がなるべく小さくなるような$f(x)$が得られるようにパラメータ$\{ w_{m} \}_{m = 0}^{M}$を決定すれば最適化がなされることになる.

ここで,計算の都合上,式(2)の値を$1 / 2$倍したものを誤差関数$E_{D}$として定義する.

$E_{D} = \cfrac{1}{2} \sum_{n = 1}^{N} \{ f(x_{n}) - t_{n} \}^{2} \ \ \ (3)$

式(3)に式(1)を代入すると

$E_{D} = \cfrac{1}{2} \sum_{n = 1}^{N} ( \sum_{m = 0}^{M} w_{m} x_{n}^{m} - t_{n} )^{2} \ \ \ (4)$

なお,式(3)は二乗誤差と呼ばれる.また,式(4)はトレーニングセットとして与えられた具体的な観測値$\{ ( x_{n}, t_{n} ) \}_{n=1}^{N}$を用いて計算される(問題の前提として与えられる定数値)である.

式(4)を係数$\{ w_{m} \}_{m=0}^{N}$の関数とみなして,これを最小にする係数を求める.式(3)の二乗誤差を最小にする手法を最小二乗法という.

式(4)の誤差関数を最小にする最小化問題に帰着する.すなわち,式(4)を$\{ w_{m} \}_{m = 0}^{M}$の関数とみなした際の偏微分係数が0になるという条件として

$\cfrac{\partial E_{D}}{\partial w_{m}} = 0 \ \ \ (m = 0, 1, \cdots , M) \ \ \ (5)$

を解く.係数をまとめてベクトル${\bf{w}} = (w_{0}, w_{1}, \cdots, w_{M})^{T}$とみなせば,勾配ベクトルが0になると言っても良い.

$\nabla E_{D} ( {\bf{w}} ) = 0 \ \ \ (6)$

ここでは

2020年6月19日金曜日

[Python] Chainerのインストール

必要に応じて,Chainerをインストールしてみることになった際のメモです.


% pip3 install chainer
ターミナルから上記のように実行すると,以下のように表示され,インストール完了です.
Collecting chainer
  Downloading chainer-7.4.0.tar.gz (1.0 MB)
     |████████████████████████████████| 1.0 MB 927 kB/s 
Requirement already satisfied: setuptools in /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages (from chainer) (39.1.0)
Collecting typing_extensions
  Downloading typing_extensions-3.7.4.2-py3-none-any.whl (22 kB)
Requirement already satisfied: filelock in /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages (from chainer) (3.0.12)
Requirement already satisfied: numpy>=1.9.0 in ./Library/Python/3.6/lib/python/site-packages (from chainer) (1.18.5)
Requirement already satisfied: protobuf>=3.0.0 in /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages (from chainer) (3.12.2)
Requirement already satisfied: six>=1.9.0 in ./Library/Python/3.6/lib/python/site-packages (from chainer) (1.15.0)
Building wheels for collected packages: chainer
  Building wheel for chainer (setup.py) ... done
  Created wheel for chainer: filename=chainer-7.4.0-py3-none-any.whl size=967111 sha256=b2bb7a1738cb9b17502e9523828703a073c12ffe19377bcca5203e19ef311485
  Stored in directory: /Users/hide/Library/Caches/pip/wheels/97/47/f1/a658280845b000a58baae410894ef35dc6873c77ef29d1ec8d
Successfully built chainer
Installing collected packages: typing-extensions, chainer
Successfully installed chainer-7.4.0 typing-extensions-3.7.4.2



2020年6月9日火曜日

Kerasの仮想環境下で計算を実行する

過去にKerasに関する設定を以下のように行ってきました.


"mykeras"の仮想環境下でkerasの実行を行うには,以下の手順で行います.

Anaconda Promptを立ち上げます.
(base) C:\User\User Name>

その後に,以下のコマンドを実行して,mykerasの仮想環境に入り,Jupyter Notebookを起動します.
(base) C:\User\User Name>activate mykeras
(mykeras) C;User\User Name>jupyter-notebook

(mykeras)環境下にはKerasに関するモジュールしか入っていないので,必要に応じてインストールを行います.
以下は,matplotlib, sklearnをインストールする際のコマンド実行例です.

(mykeras) C;User\User Name>pip install matplotlib
(mykeras) C;User\User Name>pip install sklearn