はじめに

機械学習、特に深層学習で画像認識や自然言語処理を行う場合、GPUを使うことで学習や推論の速度が大きく変わります

今回使用するPCには、NVIDIA GeForce RTX 4070を搭載したGPU環境を利用します

これはCompute Capability 8.9を持つ比較的新しい世代のGPUで、CNNによる画像分類や、Transformerを使った自然言語処理、LSTMによる時系列解析なども快適に動かせます
本記事では、そんなRTX4070環境で PyTorchをゼロから構築する手順をまとめます

※PyTorch：学術研究・産業界で最も使用されている深層学習フレームワーク

さらに、深層学習だけでなく、Webアプリ開発環境（Django、Flask、FastAPI）も同時に構築し、AIモデルをWebアプリとして公開できる環境を整えます

前提条件

本記事は、以下が完了していることを前提としています

CUDA Toolkit 12.3のインストール
cuDNN 8.9のインストール
環境変数の設定

前提記事: RTXシリーズで深層学習を始めよう！CUDA & cuDNNインストールの手順

この記事でわかること

Python 3.12.9のインストールと仮想環境構築

GPU深層学習に必要なライブラリのインストール

PyTorch 2.6.0（GPU版）

データ分析・機械学習ライブラリ（scikit-learn、LightGBM、XGBoost）

NLPライブラリ（Transformers、Janome、spaCy）

Webアプリ開発環境の構築

Django 4.2.1（REST API対応）

Flask、FastAPI

Selenium（Webスクレイピング）

PyTorch GPU版の動作確認方法

Jupyter Lab環境の構築

完全自動インストールスクリプト

実行環境

OS: Windows 11 / 64bit
GPU: NVIDIA GeForce RTX 4070（12GB VRAM）
CUDA: 12.3
cuDNN: 8.9
Python: 3.12.9
PyTorch: 2.6.0（GPU版）
Django: 4.2.1

1. Python 3.12.9のインストール

ダウンロードとインストール

インストール確認

python --version

出力例: Python 3.12.9

2. 仮想環境の作成と有効化

仮想環境の作成

cd C:\Users\user　　※パスは任意
py -3.12 -m venv py312_pytorch_env

環境名の意味:

py312: Python 3.12
pytorch: PyTorch深層学習環境

※環境名は任意

仮想環境の有効化

py312_pytorch_env\Scripts\activate

プロンプトが (py312_pytorch_env) で始まることを確認

3. ライブラリのインストール（11ステップ）

Step 1: pip更新

python -m pip install --upgrade pip setuptools

Step 2: PyTorch（GPU版）

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

重要: CUDA 12.1用のPyTorchをインストール（CUDA 12.3と互換性あり）

Step 3: 基本ライブラリ

pip install numpy scipy cython

Step 4: データ分析・機械学習・統計

pip install scikit-learn pandas matplotlib pillow seaborn lightgbm xgboost nltk gensim h5py graphviz openpyxl catboost spacy prophet statsmodels patsy imbalanced-learn plotly

インストールされるライブラリ:

機械学習:
scikit-learn: 機械学習ライブラリ（分類、回帰、クラスタリング）
lightgbm: 勾配ブースティング（高速・高精度）
xgboost: 勾配ブースティング（Kaggle定番）
catboost: 勾配ブースティング（カテゴリ変数に強い）

データ分析:
pandas: データフレーム操作
matplotlib: グラフ描画
seaborn: 統計的可視化
pillow: 画像処理
plotly: インタラクティブ可視化

統計分析:
statsmodels: 統計モデリング（回帰分析、時系列分析）
patsy: 統計式の記述（R言語スタイル）
imbalanced-learn: 不均衡データ処理（SMOTE等）

NLP基礎:
nltk: 自然言語処理ツールキット
gensim: トピックモデリング・Word2Vec
spacy: 高速NLP処理

時系列予測:
prophet: Facebook製時系列予測

その他:
h5py: HDF5ファイル操作
graphviz: グラフ可視化
openpyxl: Excelファイル操作

Step 5: NLP関連

pip install sentencepiece beautifulsoup4 requests pyttsx3 lxml janome unidic-lite fugashi ipadic ja_ginza pmdarima fasttext-wheel

追加ライブラリ:
fasttext-wheel: 高速テキスト分類・単語埋め込み
janome: 日本語形態素解析
ja_ginza: 日本語NLPパイプライン

Step 6: OpenCV

pip install opencv-python

Step 7: Transformers

pip install transformers accelerate

注意: accelerateはTransformersの高速化ライブラリ

Step 8: 可視化ライブラリ

pip install japanize-matplotlib missingno mlxtend category_encoders factor-analyzer pydot pydotplus wordcloud

Step 9: Jupyter Lab

pip install ipython jupyter jupyterlab

Step 10: Webアプリ開発

pip install django==4.2.1 djangorestframework django-cors-headers flask fastapi uvicorn[standard] selenium joblib

インストールされるフレームワーク:
Django 4.2.1: フルスタックWebフレームワーク
Django REST Framework: REST API構築
Flask: 軽量Webフレームワーク
FastAPI: 高速API開発フレームワーク
Uvicorn: ASGI Webサーバー（FastAPI用）
Selenium: Webスクレイピング・自動化

Step 11: spaCy英語モデル

python -m spacy download en_core_web_sm

4. PyTorch GPU動作確認

GPU認識確認

python -c "import torch; print('CUDA available:', torch.cuda.is_available()); print('GPU:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'None')"

出力例:

CUDA available: True
GPU: NVIDIA GeForce RTX 4070

5. Django環境の確認

Djangoバージョン確認

python -m django --version

出力例: 4.2.1

6. Jupyter Lab設定

設定ファイル生成

jupyter lab --generate-config

出力例:

Writing default config to: C:\Users\user\.jupyter\jupyter_lab_config.py

デフォルトディレクトリ設定

設定ファイル C:\Users\user\.jupyter\jupyter_lab_config.py を編集:

c.ServerApp.notebook_dir = 'C:\\share'

起動

jupyter lab

ブラウザが自動起動し、http://localhost:8888/lab が開きます

停止

Ctrl + C を2回押す

完全自動インストールスクリプト

setup_pytorch_env.bat を作成:

@echo off
echo ========================================
echo Python 3.12 PyTorch GPU環境セットアップ
echo ========================================
echo.

echo [1/13] 仮想環境の作成...
py -3.12 -m venv py312_pytorch_env
echo.

echo [2/13] 仮想環境の有効化...
call py312_pytorch_env\Scripts\activate
echo.

echo [3/13] pip更新...
python -m pip install --upgrade pip setuptools
echo.

echo [4/13] PyTorch（GPU版）...
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
echo.

echo [5/13] 基本ライブラリ...
pip install numpy scipy cython
echo.

echo [6/13] データ分析・機械学習・統計...
pip install scikit-learn pandas matplotlib pillow seaborn lightgbm xgboost nltk gensim h5py graphviz openpyxl catboost spacy prophet statsmodels patsy imbalanced-learn plotly
echo.

echo [7/13] NLP関連...
pip install sentencepiece beautifulsoup4 requests pyttsx3 lxml janome unidic-lite fugashi ipadic ja_ginza pmdarima fasttext-wheel
echo.

echo [8/13] OpenCV...
pip install opencv-python
echo.

echo [9/13] Transformers...
pip install transformers accelerate
echo.

echo [10/13] 可視化ライブラリ...
pip install japanize-matplotlib missingno mlxtend category_encoders factor-analyzer pydot pydotplus wordcloud
echo.

echo [11/13] Jupyter Lab...
pip install ipython jupyter jupyterlab
echo.

echo [12/13] Webアプリ開発...
pip install django==4.2.1 djangorestframework django-cors-headers flask fastapi uvicorn[standard] selenium joblib
echo.

echo [13/13] spaCy英語モデル...
python -m spacy download en_core_web_sm
echo.

echo ========================================
echo セットアップ完了！
echo ========================================
echo.
echo 仮想環境を有効化: py312_pytorch_env\Scripts\activate
echo GPU動作確認: python pytorch_gpu_check.py
echo インストール確認: python check_installation.py
echo Jupyter Lab起動: jupyter lab
echo Django確認: python -m django --version
echo.
pause

実行方法

setup_pytorch_env.bat

まとめ

インストールされる環境

深層学習:

PyTorch 2.6.0（GPU版）
torchvision、torchaudio
Transformers
Hugging Face Accelerate

機械学習:

scikit-learn
LightGBM
XGBoost
CatBoost

データ分析:

NumPy
Pandas
Matplotlib
Seaborn
Plotly

統計分析:

statsmodels
patsy
imbalanced-learn

NLP:

Janome
spaCy
NLTK
Gensim
fasttext-wheel
SentencePiece

Webアプリ開発:

Django 4.2.1
Django REST Framework
Flask
FastAPI
Uvicorn

開発環境:

Jupyter Lab
IPython

その他:

Selenium（Webスクレイピング）
OpenCV（画像処理）
WordCloud（可視化）
Prophet（時系列予測）

できるようになること

深層学習:

CNNによる画像分類（ResNet、EfficientNet、Vision Transformer）
Transformerによる自然言語処理（BERT、GPT、T5）
LSTM/GRUによる時系列解析
GPU高速化（CPU比50〜100倍）

Webアプリ開発:

DjangoでフルスタックWebアプリ構築
Django REST FrameworkでREST API構築
FlaskでシンプルなWebアプリ構築
FastAPIで高速API開発
AIモデルをWebアプリとして公開