今回は環境構築のうち、実際のコードを実行するPython実行環境を構築していきましょう。
下の図のうち赤い枠の部分をインストールしていきましょう。
大まかな流れ
今回のインストールは次の順番で進めていきます。
- ローカル環境にanacondaをインストールする
- tensorflowをインストールする
- optunaをインストールする
- mlflowをインストールする
1.ローカル環境にanacondaをインストールする
まずは、python環境を構築するためにanacondaをインストールしましょう。
下記のリンクから自分の環境に合ったインストーラをダウンロードしてインストーラを実行してください。インストーラの指示に従って進めてください。特別な設定は不要です。
2. tensorflowをインストールする
機械学習を行うためにtensorflowを使うため、pipコマンドを使ってインストールしましょう。コマンドプロンプトやterminalで実行してください。もし、pipエラーが出る場合は、anacondaのインストールに問題がある可能性があるので、1からやり直してみてください。
pip install --upgrade tensorflow
下記の公式チュートリアルでは、pythonの仮想実行環境を用意してルートの環境とは分けてインストールする設定方法が記載されているので、そちらを試したい方はチャレンジしてみてください。
3. optunaをインストールする
tensorflowとは別に、ハイパーパラメータチューニングのためのライブラリであるoptunaをインストールします。これを入れておくと、複数パターンのパラメータを自動で探索したい場合に非常に楽になります。
pip install optuna
公式ドキュメント↓
4. mlflowをインストールする
mlflowはdocker側にもインストールしていますが、pythonのコードの中でmlflowへの記録をしたり、モデルの保存・読み込みを行うためにpython側にもライブラリをインストールしておきます。
pip install mlflow
その他のライブラリ
今回インストールしたライブラリの他にも、numpyやpandasなどの数値計算に必要なライブラリがありますので、必要に応じてインストールしてくしてください。
まとめ
今回は機械学習を実行するために必要なpython環境の構築を行いました。anacondaを使えば簡単にインストールできるし、pipコマンドもとても便利なので他に必要なライブラリが出てきた場合はぜひ追加でインストールしてみてください。