はじめに
私は機械学習用にRTX3090のデスクトップPCを1台持っており、定期的にメンテナンスを行なっています。
今回、RTX3090環境へUbuntu24.04をインストールしたので、その作業内容をメモとして公開します。
本記事では、私がよく使う画像認識向け開発環境構築手順のメモを公開します。
機械学習環境はpytorchを前提とします。
なお、関連する記事は下記の通りです。
- RTX3090環境へのUbuntu24.04セットアップ
- RTX3090/Ubuntu24.04でNVIDIA環境をセットアップ
- Githubの初期設定
- (本記事) 画像認識の環境構築とVSCodeの設定
- 私のVSCodeのカスタマイズ
目次
venvで仮装環境構築
今回は環境名をpytorchとします。
- workディレクトリの中に環境名のディレクトリを作って移動
$ mkdir work/pytorch
$ cd work
- 仮装環境を作成
$ python3 -m venv pytorch
- アクティベート
$ source pytorch/bin/activate
- ここでpytorchのバージョンを確認し、仮装環境pytorchにインストール
- 今回pytorchはCUDA 12.4向けを入れます
$ pip3 install --upgrade pip
$ pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
$ pip3 install timm torchextractor yacs
- 続いてOpenCVとnumpyなど一通り必要なものを入れていきます
$ pip3 install opencv-python opencv-contrib-python
$ pip3 install imageio numpy pandas matplotlib scikit-image lxml pillow Cython contextlib2 jupyter scikit-learn seaborn tqdm
下記、サンプルで使っている案件があったため追加
$ pip3 install japanize_matplotlib torchviz
以上で基本環境はほぼ終わりです。
ちょっとした事ならこの環境で動かし、公開された論文の実装などはそれぞれ環境を構築して運用しています。
VSCodeの設定
VSCodeが非常に便利なので、VSCodeで動くように設定します。
インタープリターで選択できるようにする
-
VSCodeを起動しworkディレクトリを開く
-
Ctrl(MacならCmd)+Shift+P
-
Python: Select interpreterを選択
-
ここから、作成した環境(pytorch)の表示有無で作業が変わります
- 表示されている
- pytorch環境を選択して完了
- 表示されていない
- Enter interpreter pathを選択
- Findを選択
- pytorch/bin/python3.12を選択
- インタープリターに仮装環境を選択する
- Ctrl(MacならCmd)+Shift+P
- 候補にpytorch環境が出てくるので選択
- VSCodeを再起動 -
以上でインタープリターに作成した環境(pytorch)が表示されるようになります
jupyter notebookを扱う時の注意
- VSCodeのアドオンでjupyterを入れている前提
- 実行時にkernelが自動起動するのでvenv環境を選択する
- もし自動起動しない場合は、右上のkernelをクリックすると同じ選択ができる
最後に
以上、これまで４記事に渡って私がいつも最初に行うOSアップデート後の立ち上げ作業を書きました。
とはいえ、これで作業は終わりでなく...
この後にDockerやらAWS周りも設定しますし、
アカウントで同期がとれるとはいえ、VSCodeだって随時拡張しています。
そのあたり、ちょっとづつ自分用にメモを残していこうと思います。