1. はじめに
このシリーズでは，Pythonを使った機械学習（特に深層学習）の 環境構築 と 効率化 について紹介します．
「初めてだけどチャレンジしてみたい！」「もっと効率よく研究がしたい！」という方に向けて，筆者が実際に使ってみて「最強だ」と感じた構成をまとめました． わかりやすさ重視 で細かく説明していきますので，初学者もぜひ御覧ください．
なお，筆者自身もまだまだ勉強中＆この記事が初投稿です！
お気づきの点があれば，ぜひコメントなどでご指摘いただけると嬉しいです 🙏
2. 対象読者
こんな人におすすめ：
- 機械学習の理論はある程度わかるけど、実装環境の構築がよくわからない人
- Pythonで機械学習をしていて、もっと開発を効率化したい人
- Pythonのバージョンやパッケージがごちゃごちゃで困っている人
3. このシリーズで得られること
- Pythonのバージョン・パッケージ管理が楽になる
- モデルのパラメータ管理・可視化・ログ記録がスムーズに
- 再利用しやすいテンプレートで、すぐに開発に集中できる環境を手に入れられる
4. 扱うツールをざっくりと紹介
| ツール | 説明 |
|---|---|
| WSL2 | WindowsでもLinux環境を使えるようにする仕組み |
| pyenv | Pythonのバージョンを柔軟に切り替え管理できるツール |
| Poetry | パッケージ・仮想環境の管理を一括で行えるモダンなツール |
| PyTorch | 機械学習（深層学習）ライブラリ |
| Hydra | パラメータや設定の管理を柔軟に行えるライブラリ |
| W&B | 実験のログ記録・可視化・比較などを支援する便利ツール |
5. 最強環境のイメージ図
ざっくりと！こういうイメージの環境を作ります．
-
Project A：今回構築する環境の具体例． -
Project B：「pyenv × poetry を使えばこんなふうに別の仮想環境も簡単に作れるよ！」という一例にすぎません（実際にこの B の中身を使うわけではありません）.
図の下部には，この環境で使用される各ツールの役割や流れも凡例として示しています．
初学者の方でも「何を，なんのために使うのか」がパッと掴めるようになっています 💡
6. 記事構成（予定）
- 【第0回】(初学者OK) 最強の機械学習環境を作る！pyenv × Poetry × Hydra × W&B × PyTorchで始めるMLライフ（←この記事）
- 【第1回】Windows民の救世主！WSL2でLinux環境を爆速構築 (初学者OK)
- 【第2回】Python管理に革命を！pyenv × poetryで快適開発（Windows / Linux 両対応・初学者OK）
- 【第3回】PyTorchを使った初めてのディープラーニング体験！(初学者OK)
- 【第4回】もう設定に迷わない！Hydraでパラメータ管理完全攻略（Python 機械学習・初学者OK）
- 【第5回】神ツールW&Bで訓練の可視化・比較・ログ化が一瞬で（Python 機械学習・初学者OK）
- 【第6回】誰でもすぐ使える！Hydra × W&B × PyTorchテンプレを配布！(Python 機械学習)
7. おわりに
このシリーズでは，再現性・効率性を重視した機械学習の開発環境を構築していきます．
初めて取り組む方も，すでに経験のある方も，それぞれのレベルに応じて使える内容を目指しています．
基本的には 第1回から順番に読み進めてもらうのがおすすめ ですが，「もう知ってる！」という部分は どんどん飛ばして もらって構いません！
あなたの研究や開発が，より快適で楽しいものになりますように！
それでは，次回からさっそく構築を始めていきましょう．