-
Google製の数値計算ライブラリ(一般的には深層学習ライブラリとして浸透)
-
2018 Jul 時点でv1.8.0
- 行列演算
- 「計算グラフ」に基づいたコード構造
- DeepLearningに関する関数やクラスが豊富
-
ですが
- 初心者にはソースを書くのが難しい！！
- Tensolflowをバックエンドに，直感的な記述でニューラルネットを記述するために生まれたモジュール
- 開発者の@fcholletさんいわく「Tensorflowは使いやすいが計算グラフの理解のところが難しくて万人向けではない」
- 「できるだけ多くの人にDeepLearningに触れてもらいたい」という開発理念の下に生まれたのがKerasモジュール
- Python3.5以上 推奨
- Python2でもできるけど2020年にサポートが打ち切られるため3系を推奨！(3系最新は3.6.6, 3.7.0)
- pyenv というPythonのバージョン管理ソフトによる管理
- モジュール管理ソフト
- pip
- conda(4.2.7推奨,4.3以降はなぜかSierraでうまく動作しない)
brew install pyenv
し終わったら，zshの人は$HOME/.zshrc,bashの人は$HOME/.bashrcもしくは$HOME/.bash_profileに以下を記述して保存してsource 設定ファイルする．
export PYENV_ROOT=${HOME}/.pyenv
if [ -d "${PYENV_ROOT}" ]; then
export PATH=${PYENV_ROOT}/bin:$PATH
eval "$(pyenv init -)"
fi
source ~/.zshrc
- AnacondaはPythonと数値解析関連のモジュールを一括でインストールしてくれる非常に優秀なディストリビューション．
- 数値解析に必要なnumpyやpandas,グラフ描画のmatplotlib等様々なライブラリがAnacondaにまとまっている．
pyenv install anaconda3-5.1.0
Pythonとモジュールを一括で入れるので少々時間がかかる．
pyenv global anaconda3-5.1.0
pyenv rehash
ターミナルでpythonを実行した際に以下のようになっていればOK．
Python 3.6.2 |Anaconda, Inc.|
(default, Sep 21 2017, 18:29:43)
[GCC 4.2.1 Compatible Clang 4.0.1
(tags/RELEASE_401/final)] on darwin
Type "help", "copyright", "credits"
or "license" for more information.(便宜上改行)
anacondaをインストールし終えたら、今回の実行環境を作るため以下のコマンドを実行する。
pip install jupyter tensorflow keras matplotlib dask
インストールが終わったら，ターミナルでpythonを起動し，
import keras
import tensorflowで問題なくモジュールが読み込まれるかを確認する．エラーが出なければ環境構築はおしまい．
jupyter notebook
をターミナルに打ち込んで起動。
既にあるディレクトリやファイルを実行する場合は，
jupyter notebook /path/to/file.ipynb
- 例
jupyter notebook SoftComputing_ml_tutorial/
MNISTForMachineLearningBeginners.ipynb
ブラウザが起動してnotebookが確認ができる.フォルダ指定する際も同様．もしも起動しないときには
使用しているブラウザにアドレスとトークンをコピペして見よう。