ファイナンス、情報通信技術、法律のスキル・アグリゲーション・サイト

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 のインストール

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 のインストール

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

conda の使用例

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

X Window 環境のインストール

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 のインストール

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 のインストール

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

『Tensorflow・Keras を WSL の Ubuntu 16.04 LTS にインストール』を公開しました。

MYCODEは、唾液を採るだけで最大280項目の病気と体質の遺伝的傾向がわかる、遺伝子検査キットです。

わたしたちの遺伝子から健康のためのヒントを見つけよう【MYCODE】

ファイナンシャル・プランニング
6つの係数

終価係数 : 元本を一定期間一定利率で複利運用したとき、将来いくら になるかを計算するときに利用します。

現価係数 : 将来の一定期間後に目標のお金を得るために、現在いくら の元本で複利運用を開始すればよいかを計算するときに利用します。

年金終価係数 : 一定期間一定利率で毎年一定金額を複利運用で 積み立て たとき、将来いくら になるかを計算するときに利用します。

年金現価係数 : 元本を一定利率で複利運用しながら、毎年一定金額を一定期間 取り崩し ていくとき、現在いくら の元本で複利運用を開始すればよいかを計算するときに利用します。

減債基金係数 : 将来の一定期間後に目標のお金を得るために、一定利率で一定金額を複利運用で 積み立て るとき、毎年いくら ずつ積み立てればよいかを計算するときに利用します。

資本回収係数 : 元本を一定利率で複利運用しながら、毎年一定金額を一定期間 取り崩し ていくとき、毎年いくら ずつ受け取りができるかを計算するときに利用します。

積み立て&取り崩しモデルプラン

積立金額→年金額の計算 : 年金終価係数、終価係数、資本回収係数を利用して、複利運用で積み立てた資金から、将来取り崩すことのできる年金額を計算します。

年金額→積立金額の計算 : 年金現価係数、現価係数、減債基金係数を利用して、複利運用で将来の年金プランに必要な資金の積立金額を計算します。

即時開通!端末が届けばすぐに利用可能。

超速モバイルネットWiMAX 2+!!ニッポンを、超速へ。

電力自由化!自社発電「ENEOS」が展開するサービスです。

【ENEOSでんき】まとめなくても電気代がおトク!

オリジナル商品を含めてラインナップ充実の自転車専門通販サイト。

ネットで注文!お店で受取り!!
サイクルベースあさひ

現役エンジニアからオンライン上でマンツーマンでレッスンが受けられます。

オンラインプログラミング研修のCodeCamp

無料で使えるSSL証明書「Let's Encrypt」にも対応!

格安SSL証明書サービス、SSLボックス

新幹線/有料特急の往復チケットとホテル/旅館の宿泊がセットになったお得な旅行プランを掲載。家族・夫婦旅行/イベント/女子旅/一人旅/出張に便利!

オトクな「新幹線+ホテルセットプラン」を検索!

受講生に1人ずつ現役のプロのパーソナルメンターがつきます。

未経験からプロのエンジニアを育てるオンラインブートキャンプ