ゼロからつくる Deep Learning 用の環境構築 メモ
===========2017/04/15 22:24 追記===============
本記事の方法に沿って作成したdocker image を
https://hub.docker.com/r/gorogoroyasu/deeplearning-env
に起きました。
ご自由にご利用ください。
================追記 ここまで=================
ubuntu16 のdocker コンテナを準備し、
その中にpython が動く環境を構築した。
ubuntu:16.04 のdocker イメージをダウンロードし、コンテナを起動し、コンテナ内に入る。
sudo docker pull ubuntu:16.04
sudo docker run -d --name ubuntu16 ubuntu:16.04 /sbin/init
sudo docker exec -it ubuntu16 /bin/bash
コンテナ内で、下記のコマンドを実行
apt update
apt-get install gcc g++ make git openssl libssl-dev libbz2-dev libreadline-dev libsqlite3-dev curl libopenblas-dev vim wget -y
git clone https://github.com/yyuu/pyenv.git ~/.pyenv
git clone https://github.com/yyuu/pyenv-virtualenv.git ~/.pyenv/plugins/pyenv-virtualenv
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc
echo 'eval "$(pyenv virtualenv-init -)"' >> ~/.bashrc
source ~/.bashrc
pyenv install 3.5.1
pyenv rehash
pyenv global 3.5.1
pip install --upgrade pip
pip install numpy
pip install matplotlib
その後、
find / -name matplotlibrc
を実行し、出てきたファイルの 38 行目付近にある、
backend : TKAgg
を
backend : Agg
に変更。
これで環境構築は終了。
なお、グラフの出力は、画像で行うことにした。
理由は、めんどくさそうだったから。
画像じゃ嫌だという方は、こちらを参考にしてください。
画像を出力するサンプルコードはこちら。
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 1, 0.1)
y = x
plt.plot(x,y)
plt.savefig('plot.png')
plt.savefig('hoge.png')
が、画像を出力している。
出力された画像は、こんな感じ。
とりあえず、静止画像だけでいいなら、これで十分だと思う。
いい感じ。
===========2017/04/16 14:58 追記============
P.74 で、 PIL というモジュールを使っているので、
pip install Pillow
が必要みたいです。
なお、 PIL で画像を保存するには、
pil_img.save('hoge.png')
とすれば良いみたいです。
docker image は、未更新です。
========================================