Tensorflow・Keras を WSL の Ubuntu 16.04 LTS にインストール

WSL（Windows Subsystem for Linux）の Ubuntu 16.04 LTS に Tensorflow と Keras をインストールします。

「詳解 ディープラーニング　TensorFlow・Kerasによる時系列データ処理」の「第２章 Python の準備」、「Mac および Linux の場合」に沿って、WSL（Windows Subsystem for Linux）の Ubuntu 16.04 LTS の環境にあわせてインストールを進めます。

pyenv を GitHub より取得します。

$ git clone https://github.com/pyenv/pyenv.git ~/.pyenv

pyenv の環境変数などを ~/.bashrc に設定します。

export PYENV_ROOT="$HOME/.pyenv"
export PATH="$PYENV_ROOT/bin:$PATH"
if command -v pyenv 1>/dev/null 2>&1; then
 eval "$(pyenv init -)"
fi

シェルを再起動します 。

$ exec "$SHELL"

pyenv 自体の更新に便利な、pyenv-update を GitHub より取得できます。

$ git clone git://github.com/yyuu/pyenv-update.git ~/.pyenv/plugins/pyenv-update

$ pyenv update

「詳解 ディープラーニング　TensorFlow・Kerasによる時系列データ処理」では、環境変数を ~/.bash_profile に設定していますが、ここでは、~/.bashrc に設定しています。この違いについて少しみてみます。

ログインシェルの場合は、次のようなファイルが順番に実行されます。 /etc/profile 、 ~/.bash_profile 、 ~/.bash_login 、 ~/.profile 。

ログインシェルは、次のようなコマンドの場合に起動します。

$ sudo su -

$ bash --login

$ ssh user@host

また、ログインシェルではないインタラクティブシェルの場合は、 ~/.bashrc のみが実行されます。次のようなコマンドの場合に起動します。

$ sudo

$ su bash

anaconda をインストールします。

$ pyenv install --list
$ pyenv install anaconda3-4.3.1
$ pyenv rehash
$ pyenv versions
$ pyenv global anaconda3-4.3.1

なお、anaconda ではなく、Python のバージョンを選んでインストールもできます。

$ pyenv install 3.6.4
$ pyenv rehash
$ pyenv versions
$ pyenv global 3.6.4

「...zlib not available...」というエラーには、次のコマンドで対応します。

$ apt install zlib1g-dev libssl-dev libbz2-dev libreadline-dev libsqlite3-dev

anaconda、conda、パッケージのアップデートです。

$ conda update anaconda

$ conda update conda

$ conda update --all

conda による仮想環境の操作例をみてみます。

仮想環境作成（py36 という名前の仮想環境を作成します。Python バージョン 3.6、ほかに anaconda パッケージをインストールします。）

$ conda create -n py36 python=3.6 anaconda

仮想環境確認

$ conda info -e

仮想環境削除（py36 という名前の仮想環境を削除します。）

$ conda remove -n py36 --all

仮想環境 Activate

$ source activate py36

仮想環境 Deactivate

$ source deactivate

「詳解 ディープラーニング　TensorFlow・Kerasによる時系列データ処理」では、グラフを表示するなどのサンプルプロクラムもありますので、X Window 環境をインストールします。

まず、Windows 用の X Server を調べていると、Xming か VcXsrv かの選択が多いようです。今回は VcXsrv を利用しました。

https://sourceforge.net/projects/vcxsrv/ からダウンロードします。

X Window 環境やフォントをインストールします。

$ apt install x11-apps x11-utils x11-xserver-utils fonts-ipafont

ターミナルもインストールしてみます。ターミナルもいくつかあるのですが、xterm と lxterminal を選んでみました。

$ apt install xterm

$ apt install lxterminal

~/.bashrc の設定例です。

export DISPLAY=localhost:0.0

「...failed to read machine uuid:...」というエラーには、次のコマンドで対応します。

$ dbus-uuidgen | sudo tee /etc/machine-id

さらに、日本語表示と日本語入力の環境もインストールして設定してみます。

$ apt install language-pack-ja
$ update-locale LANG=ja_JP.UTF-8

$ apt install uim-xim uim-fep uim-anthy

~/.bashrc の設定例です。

export UIM_CANDWIN_PROG=uim-candwin-gtk
if [ $SHLVL -eq 1 ]; then
 uim-xim &
fi
export XMODIFIERS="@im=uim"
export GTK_IM_MODULE=uim
export QT_IM_MODULE=uim

Tensorflow をインストールします。import でインストールを確認します。

$ pip install tensorflow

$ python
>>> import tensorflow as tf

「FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.」というワーニングが anaconda や Python などのバージョンによって出るようです。実行には影響がないようです。

「詳解 ディープラーニング　TensorFlow・Kerasによる時系列データ処理」でも解説されているモデルを含めて、Tensorflow での多くのモデル例が GitHub に公開されています。

$ git clone https://github.com/tensorflow/tensorflow.git

$ git clone https://github.com/tensorflow/models.git

~/.bashrc に次の設定を追加しています。

export NO_AT_BRIDGE=1

export LIBGL_ALWAYS_INDIRECT=1

「export NO_AT_BRIDGE=1」は、「WARNING **: Couldn't connect to accessibility bus: ...」というワーニングに対する設定です。 

「export LIBGL_ALWAYS_INDIRECT=1」は、「libGL error: No matching fbConfigs or visuals found / libGL error: failed to load driver: swrast」というエラーに対する設定です。

2018年 4月20日現在、Tensorflow を pip でインストールした場合について追記します。

この追記の時点で、pip からの場合、バージョン 1.7.0 がインストールされますが、この環境では、import 時にコアダンプがでます。conda では、バージョン 1.6.0 がインストールされますが、そのようなことは起こりません。

なお、その後 2018年4月27日に確認したところ、conda からもバージョン 1.7.0 がインストールされます。

$ conda install tensorflow

$ python
>>> import tensorflow as tf

Keras をインストールします。import でインストールを確認します。

$ pip install keras

$ python
>>> import keras

「詳解 ディープラーニング　TensorFlow・Kerasによる時系列データ処理」でも解説されているモデルを含めて、Keras でも多くのモデル例が GitHub に公開されています。

$ git clone https://github.com/keras-team/keras.git