前提と結論

会社で久しぶりに機械学習（というかディープラーニング）をやることになったので、勉強用に自宅の低スペックノートPCに開発環境を構築した時のメモ。
ネットで調べるとcuDNNのセットアップの方法とか色々書いてありますけど、普通のPCで動かすだけなら、Anaconda Navigator からGUIだけでインストールできました。
（CPU版でちょっと勉強したい人向け。本格的にやりたい人のGPU版も入りそうですけど、試せないので正しく動くかどうかはわかりません）

試した環境

Windows10 64bit (CPU: Intel Core i3, RAM: 8GB, GPU: Intel HD Graphics)
Anaconda 5.2 (64bit, Python 3.6)

インストール

Anaconda のインストール

まず、いつも通りにインストーラーを使ってAnacondaをインストール。
https://www.anaconda.com/download/

（任意）Anaconda Navigatorで仮想環境を作成

環境の作成

それほど必要性は感じなかったのですが、Anacondaの機能で仮想環境を作れるようなので、作ってみました。
Anaconda Navigatorを起動して、左端の「Environments」を選択。真ん中のbase(root)と書いてある場所の下のほうにある「Create」から環境を作成します。

あとでわかるように、名前は適当につけます。（ここでは「DL」）

Jupyterの追加

作った段階だと、Jupyter Notebookが使えなくて、Matplotlibも入っていない環境なので、必要なパッケージを追加します。（Createじゃなく、baseをCloneすれば個別にインストールする必要ないかもしれません）

まず、先ほど作ったDLを選択して、Jupyterをインストールします。フィルタを「Not installed」や「All」にしてからjupyterと入力すればすぐに見つかるので、チェックを入れてApplyします。

依存関係を自動的にチェックして、確認画面が出るのでここでもApplyしましょう。

その他のパッケージの追加

Jupyterと同じように、必要なパッケージを追加していきます。私はとりあえず以下のものを入れました。

Matplotlib
SciPy
scikit-learn

特に理由がなければ、pandasも入れるといいでしょう。

Deep Learningライブラリの追加

仮想環境にパッケージを追加した人は、同じ手順です。インストール先の環境に、TensorFlowとChainerをインストールします。

TensorFlowのインストール

Environmentsの画面から、フィルタを「Not installed」にし、tensorと入力すればTensorFlowもすぐに見つかります。ここではCPU版を使うので、「tensorflow」にチェックを入れてApplyします。

自動的に依存関係のあるパッケージを調べて、確認を求められるので、もう一度Applyすると、インストールが始まります。

TensorFlowの確認

インストールが完了したら、正しく動作するかどうか確認してみます。
と言っても、何が動けば正常なのかわからないので、別のやり方でインストールした人の方法を試してみました。
参考：イントロダクション確認

（仮想環境を作った人は注意）TensorFlowをインストールした環境のJupyter Notebookを立ち上げます。

Jupyter Notebookが立ち上がるので、リンク先のコードをセルに貼り付け、実行します。

上のような結果が出れば、インストール成功です。試した時のTensorFlowのバージョンは1.9.0なので、直接ダウンロードするより、少しだけ古いものが入るようです。
試せないのでわかりませんが、CUDA対応のGPUを搭載したPCの場合でも、同じ手順でtensorflow-gpuを入れれば動くかもしれません。

Chainerのインストール

ChainerもTensorFlowと同じ方法でインストールできます。

Chainerの確認

Chainerの動作確認は、コマンドラインから実行しました。
先ほどのJupyterと同じように、Chainerをインストールした環境のターミナルを立ち上げ、
Chainerのexampleに含まれているMNISTの学習を試してみます。

動作確認のためサンプル(mnist)を実行
以下をgit cloneまたはzipで取得する。
https://github.com/pfnet/chainer
anaconda promptでexample/mnistへディレクトリ移動
以下で実行（CPUのみ使用したMNISTのサンプル）
python train_mnist.py

参考：windows10へChainer(2.0.2)のインストール

(DL) C:\Users\****\Desktop\chainer-master\examples\mnist>python train_mnist.py
GPU: -1
# unit: 1000
# Minibatch-size: 100
# epoch: 20

C:\Users\****\Anaconda3\envs\DL\lib\site-packages\chainer\optimizers\adam.py:111: RuntimeWarning: invalid value encountered in sqrt
  param.data -= hp.eta * (self.lr * m / (numpy.sqrt(vhat) + hp.eps) +
epoch       main/loss   validation/main/loss  main/accuracy  validation/main/accuracy  elapsed_time
C:\Users\****\Anaconda3\envs\DL\lib\site-packages\chainer\optimizers\adam.py:111: RuntimeWarning: invalid value encountered in sqrt
  param.data -= hp.eta * (self.lr * m / (numpy.sqrt(vhat) + hp.eps) +
1           0.189056    0.0948805             0.942767       0.9709                    56.0272
2           0.0745826   0.076078              0.97705        0.976                     114.927
3           0.0493005   0.0704326             0.984417       0.9799                    177.546
4           0.034494    0.0657689             0.988983       0.9796                    235.134
(略)
18          0.0100594   0.0922975             0.9972         0.9812                    1052.57
19          0.00842738  0.128585              0.997583       0.9788                    1113.97
20          0.00700435  0.0970289             0.99805        0.9826                    1175.04

(DL) C:\Users\****\Desktop\chainer-master\examples\mnist>

なんだか、warningも出ていますが、動作しているようです。CPUモードなので、速度は遅いですね。

結局

ネットで調べると、いろいろな理由で苦労した人の記事が多いので、インストールが大変そうに思えたのですが、簡単に試すだけなら、そんなことはなかったみたいです。
Qiitaにもコマンドラインからpipを使っている例が多いみたいですけど、GUIでできる様になっているんだったら、GUIの方が良いですね。