概要

Windows上にディープラーニング環境を構築する際、ネット上の情報を組み合わせる必要があったので、ここにまとめておく

環境
・OS：Windows7 64bit
・言語：Python
・Python環境：Anaconda、Spyder
・ディープラーニング環境：Tensorflow, Keras

AnacondaはPythonを使う上で便利ものをパッケージとしてダウンロードできるくらいに覚えてる。
SpyderはAnacondaをインストールすると一緒についてくるPythonのエディタ（Visual StudioやXcode、Eclipseみたいなもの）

TensorflowはGoogleが提供しているPython上で動くディープラーニング環境で、Kerasはそれを便利に使えるようにするライブラリ群みたいなもの。終盤で紹介する。

Anacondaのインストール

2017/5/6現在、TensorflowはPython3.5にしか対応していない。Anaconda4.3はPython3.6をインストールしてしまうので、敢えてAnaconda4.2をインストールする必要がある。

以下のリンク、もしくは「Anaconda old archives」とかで調べて出てきたページから、Anaconda3-4.2.0-Windows-x86_64.exeをダウンロードする。（Anaconda2ではないので注意)
https://repo.continuum.io/archive/

ダウンロードしたexeをダブルクリックするとインストールが始まる。基本的には「I agree」もしくは「Next」を押していけば問題ないが、以下に少し注意を記載しておく。

AnacondaのDestination Folderは日本語を含まないパス以下に置くのがベター。試しに日本語のフォルダ下に作成したら、Spyderが動作しなかった。

(ユーザ名は隠してます)

Python3.5であることを確かめる。

インストールが終了すると、Anaconda Cloud、Anaconda Navigator、Anaconda Prompt、Spyderなどがインストールされる。筆者はAnaconda PromptとSpyderしか使っていない。

Spyderの起動

インストールされたSpyderを起動すると、以下のような画面になる。左側のエディタにPythonコードを書いて「F5」で実行すると、Pythonが実行される。実行結果は右下のコンソールに出力される。
右下のコンソールに直接コードを打ち込んでも実行は可能。

Tensorflowのインストール

TensorflowをPythonコードで使用するには、Spyderのエディタに以下のようにimport文を書く。
import tensorflow as tf

もちろんだが、これはtensorflowがインストールされていないと実行エラーとなる。そのため、Anaconda promptを使って、tensorflowをインストールする。

Anaconda Promptを起動する。（ユーザ名は隠してます）

pip install tensorflow
を入力する。
(GPUでtensorflowを動かしたい場合は後述のメモを参照)

こんな感じでインストールが進む

最後にSuccessfully installedというメッセージが出てきたらインストール成功。Anaconda Promptは閉じて良い。

GPUでtensorflowを動かす場合（メモ）

もし、GPUでtensorflowを動かしたいのであれば、Anaconda Promptにて、
pip install tensorflow-gpu
と入力するが、GPUでtensorflowを動かすには、GPUのバージョンがあったり、CUDAやCuDNNをインストールしたりして結構大変。
CUDAのインストールは以下が参考になる。
http://qiita.com/binzume/items/7a0170fe834e250ddef9

筆者はGPU環境の構築も行ったが、CUDAのインストール時に警告が出て（警告の内容は忘れてしまった。たしか、ドライバのバージョンがなんたらかんたら）、結構躓いた。メモ程度にしか書かないが、GPUドライバがCUDAにも含まれていて、現在インストールのドライバよりCUDAのドライバが古いからやべーよって事だったと思う。CUDAのインストールを進めていくと、ドライバのインストールが選択できるから、そのチェックをはずせばインストールできた。

Tensorflowを動かしてみる。

TensorflowのチュートリアルとしてMNISTが有名だが、画像認識などをやったことがない人にはハードルが高いと思う。

以下のサイトなどは回帰をtensorflowでやっているので、おすすめ。
http://qiita.com/TomokIshii/items/f355d8e87d23ee8e0c7a

（以下上記のサイトより引用）

import numpy as np
import tensorflow as tf

trX = np.linspace(-1, 1, 101)
trY = 2 * trX + 3 + np.random.randn(*trX.shape) * 0.33

def lin_model(X, w, b):
    return X * w + b

w = tf.Variable([0.])
b = tf.Variable([0.])

x = tf.placeholder(tf.float32, shape=(101))
y = tf.placeholder(tf.float32, shape=(101))
y_hypo = lin_model(x, w, b)

cost = tf.reduce_mean(tf.square(y_hypo - y))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cost)

# Initializing
init = tf.initialize_all_variables()

# Train
with tf.Session() as sess:
    sess.run(init)

    for i in range(1001):
        sess.run(train_step, feed_dict={x: trX, y: trY})
        if i % 100 == 0:
            print("%5d:(w,b)=(%10.4f, %10.4f)" % (i, sess.run(w), sess.run(b)))

上記コードをSpyderに貼り付けて実行すれば、以下の画像のように動作する。printのみはPython3.5の仕様変更から()でくくるように変更した。

コードの解説をすると、

y=ax+b
という形があってaとbを求めようとしている。

y=2x+3の式に基づいて得られる以下のデータあったときに、
trY = 2 * trX + 3 + np.random.randn(*trX.shape) * 0.33
（np.random.randn(*trX.shape) * 0.33は雑音や誤差）

「a=2」と「b=3」を推定するという感じ。

コンソールを見ると、a=2,b=3が近似値として求められているのがわかる。

Kerasの紹介

Tensorflowのチュートリアルをある程度やったら、実際のディープラーニングはKerasを使用してやった方が、初心者には便利だ。
Kerasのチュートリアルは以下の公式ホームページに日本語がある。
https://keras.io/ja/

Tensorflowをある程度理解できれば、すぐに理解できると思うので、ここでは詳細に書かないが、Tensorflowよりも直感的にコードが書ける。