Go to Qiita Advent Calendar 2024 Top
LoginSignup
21
31

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

@osmyyy(オサミー です)

M1 MacにPythonインストールして開発環境構築してみた

Posted at

M1 Mac上でPythonの開発環境構築やっていきます

これはYouTube動画の資料です

はじめに

  • なるべく、プログラミング初学者向けにもわかりやすく解説していきます
  • いっしょに やっていきましょう
  • 2021年1月時点の情報です
    • M2のMacが出る頃(いつ?)には 古い情報になってるはずなのでお気をつけください

自己紹介：オサミー

  • ソフトウェアエンジニア。株式会社プレジニア代表取締役。
  • iPhoneアプリ開発歴10年。企画開発したiPhoneアプリ160万ダウンロード以上。
  • 新規事業立上げ支援など。

動画(Python環境構築)の目次

  • 理論編: M1 Macの罠とは
  • 実践編
    • ①Webアプリ(django)
    • ②データ分析(jupyter, pandas, numpy, matplotlib)
    • ③ディープラーニング(tensorflow)

理論編：M1 Macの罠とは

理論編 目次

  1. 「M1 Mac」の環境は 「Intel Mac」のPython開発環境と大きく違うことに注意しよう！
  2. Pythonにはバージョンがあることに注意しよう！
  3. Pythonの仮想環境がたくさんあることに注意しよう！
  4. Rosseta上なのかARMアーキテクチャ上なのか意識しよう！

1.「M1 Mac」の環境は 「Intel Mac」のPython開発環境と大きく違うことに注意しよう！

  • これは、「M1 Macでプログラミングする上で注意すべき」ポイント①
  • 例えば、progateの記事「Pythonの開発環境を用意しよう！（Mac）」だと、
  • 「Intel Mac」の古い情報に注意しよう！
    • Intel Macとは：
      • Intelのチップ(CPU)が搭載されたMac
      • 古い
    • M1 Macとは：
      • Apple社が設計したM1チップが搭載されたMac
        • ARM社がApple社へチップの回路図を提供してる
        • ので、M1チップのアーキテクチャ(設計方法)を「ARMアーキテクチャ」と呼ぶ
      • M1チップを「Apple Silicon」とも呼ぶ
      • 2020年11月に発売！（新しい）
  • M1 Macでは
    • Homebrewは使わないで！（動くけど難易度高い）
    • pyenvは使わないで！（動かない=2021年2月時点）

2. pythonにはバージョンがあることに注意しよう！

  • これは、pythonの開発環境でハマりがちなポイント①

  • python2系とpython3系は 全然違う！

    • 「文法」が大きく違う
      • 文法とは 書き方の話
      • python2系では print "Hello world!"
      • python3系では print("Hello world!")

  • これからはpython3系を使おう！

    • python2系は 開発が終了している
    • python2系の廃止日(End Of Life)は2020年1月1日だった

  • 「Intel Mac」と「M1 Mac」の違い

    • Intel Macでは
      • pyenv 使って、いろんなバージョンいれてた
        • 2.7, 3.4, 3.7 etc..
    • M1 Macでは
      • pyenvは使わない

3. pythonの仮想環境がたくさんあることに注意しよう！

  • これは、pythonの開発環境でハマりがちなポイント②

  • 仮想環境がいろいろあって よくわからない！

    • venv
    • virtualenv
    • anaconda
    • miniconda
    • miniforge
    • ...

  • 仮想環境とは:

    • Python を使って開発や実験を行うときは、用途に応じて専用の実行環境を作成し、切り替えて使用するのが一般的。
    • こういった、一時的に作成する実行環境を「仮想環境」と呼ぶ
    • 例）
      • プロジェクトAでは, Python3.7 で Django1.10 使う
      • プロジェクトBでは, Python3.8 で Django1.11 使う
    • 最近は Docker 使って、コンテナイメージ化するのが流行り
      • でも 自分はあんまりDockerつかったことないので、すいません解説できずm(_ _)m
      • Dockerも、M1 MacではIntel Macと違う！（らしい）　ご注意ください

  • 「Intel Mac」と「M1 Mac」の違い

    • Intel Macでは
      • anacondaでもvirtulenvでもなんでも！
      • オサミーは pyenv + virtualenv派だった
    • M1 Macでは
      • anacondaやminiconda, virtualenvは使わない！
      • miniforgeを使おう！（詳細は後述）

4. Rosseta上なのかARMアーキテクチャ上なのか意識しよう！

  • これは、「M1 Macでプログラミングする上で注意すべき」ポイント②

  • いま動かそうとしてるプログラムは、「Rosseta上なのか」「ARMアーキテクチャ上なのか」意識すべし！

    • Rosetta上では動くが、ARMネイティブで動かないプログラムがある

  • Rosettaって何？

    • M1 Macの特徴：Rosetta を使ってIntel Mac用のソフトウェアを使うことができる(例外あり)
    • Rosetta とは
      • 従来のインテル用のMacアプリを Apple Silicon Mac上で自動的に変換して実行できるようにする仕組み
      • 「Rosettaを使用してひらく」チェックボックスつけてアプリ起動すると、Rosetta上で動く
        • 例) ターミナル, Xcode, iTerm2 など
    • Rosetta使えば動くのか ARMネイティブ対応(M1最適化されてる)なのか ソフトウェア一覧まとめサイト

  • いま「Rosseta上なのか」「ARMアーキテクチャ上なのか」確認できるコマンドは後述

実践編

実践編 目次

  • 前提
  • ①Webアプリ(Django)
  • ②データ分析(jupyter, pandas, numpy, matplotlib)
  • ③ディープラーニング(tensorflow)

前提

インストール環境

  • macOS BigSur 11.1
  • MacBook Air(M1, 2020)
  • Python 初期状態

Python初期状態(デフォルト)とは

  • ターミナル.appで叩いたコマンドと結果

    • ターミナルの場所：Finderでアプリケーション>ユーティリティ>ターミナル.app

  • python -V -> Python 2.7.16

  • which python -> /usr/bin/python

  • python3 -V -> Python 3.8.2

  • which python3 -> /usr/bin/python3

    • missing xcrun at :/Library/Developer/CommandLineTools/usr/bin/xcrun
    • というエラーになったら、それはXcode Command Line Toolsがインストールされてないようなので
    • コマンド xcode-select --install を叩いて まずCommand Line Toolsをインストールしてみてください

  • conda -> zsh: command not found: conda

Pythonの文法だけ試したい人はコチラががおすすめ！

  • 文法だけ色々試したい場合は、「ブラウザで動く環境」がおすすめ！　

  • インタラクティブモードもあるよ

    • ターミナルで、 python3 打つと 実行するとはじまる
    • Control + D で終了
    • pythonってM1 Macの初期状態で、すでにMacにインストール済み.
      • 文法だけ学びたい人 や ちょっとしたスクリプト書きたい人にとっては...
      • これから説明するcondaとか必要なし

いま 「Rosetta上なのか」「ARMアーキテクチャ上なのか」意識することが重要！

  • 確認コマンド:ターミナルで uname -m 打つ

    • arm64と出力 : ARMアーキテクチャ で実行中
    • x86_64と出力 : Rosetta利用 または ネイティブIntelアーキテクチャ で実行中

  • オサミーの場合：

    • ARMアーキテクチャで実行したい場合「ターミナル.app」で実行
    • Rosettaで実行したい場合「iTerm2.app」で実行
    • VSCode上では適宜 $ arch -x86_64 zsh や $ arch -arm64 zsh で切り替えする

---------ここまで実践編の前提---------

①Djangoを使ったWebアプリ開発

目次: Webアプリ開発

  • 1-1. Visual Studio Codeをインストールしよう
  • 1-2. miniforgeでcondaをインストールしよう
  • 1-3. condaでWebアプリ開発用の環境をつくろう
  • 1-4. Djangoでローカルサーバーを起動しよう

1-1. Visual Studio Codeをインストールしよう

1-2. miniforgeでcondaをインストールしよう

  • M1 Macでは：anaconda🙅‍♂️ や miniconda🙅‍♂️ や homebrew🙅‍♂️ や pyenv🙅‍♂️ は使わないで！🙅‍♂️🙅‍♂️🙅‍♂️🙅‍♂️🙅‍♂️🙅‍♂️
  • ARMアーキテクチャに最適化してるのは miniforgeだけ(オサミーの知りうる情報 & 2021年1月末時点)
  • miniforge(conda)は、もともとデータ分析用に用意されてる環境だけど、Webアプリ開発にも使えるお！

1-2-1.用語説明：condaとは？miniforgeとは？

  • miniforgeとは？
    • minicondaと同等に軽い Python 実行環境プラットフォーム。
    • minicondaとは？違いは？
      • miniforgeは コミュニティ。conda環境で必要最小限のパッケージ。
      • minicondaは anacondaの小さいバージョン。conda環境で必要最小限のパッケージ。
    • てか anacondaとは？
      • anacondaは、「データサイエンス向けのPythonパッケージなどを提供するプラットフォーム」
        • 科学技術計算などを中心とした、多くのモジュールやツールのコンパイル済みバイナリファイルを提供
        • 簡単にPythonを利用する環境を構築できる
      • anacondaとminiconda比較
        • anacondaは、パッケージ全部入り。とにかくデカイ。容量が大きい。
        • minicondaは、必要最小限のパッケージだけ。軽くてすぐはじめられる。
        • ただし両者とも M1 Mac(ARMアーキテクチャ)に非対応(2021年1月時点)
        • classmethodさんの記事参照
    • miniforgeは、minicondaの「M1 Mac対応版」と考えてよい
      • まとめると、
      • 「M1 Mac(ARMアーキテクチャ)に対応している、
      • 必要最小限のパッケージが揃った、
      • データ分析用Python 実行環境プラットフォーム」
      • https://github.com/conda-forge/miniforge

1-2-2.miniforgeインストール方法

  1. githubリポジトリ から「Miniforge3-MacOSX-arm64」をダウンロード
  2. ターミナルでコマンド bash Miniforge3-MacOSX-arm64.sh 叩く
  • いろいろ聞かれるがすべて「yes」でOK

condaの初期化処理が ~/.zshrc に書き込まれる

  • ~/.zshrc とは ターミナルひらくときに最初に読み込まれるファイル

  • 余談：シェルが zsh ではなく bashだったら .bashrc に該当する

    • シェルとは：ターミナルでコマンド実行するソフトウェア(みたいなもの)
    • macOS BigSurからデフォルトで シェルが zsh になった(いままではbash)

  • コマンド source ~/.zshrc で .zshrc を読み込める

    • するとcondaのbase環境が有効化される
      • コマンドラインの頭に(base)がつく
    • ターミナル立ち上げるたびに、condaのbase環境が起動するのが鬱陶しかったら下記コマンド叩く
      • conda config --set auto_activate_base false

1-2-3.conda の基本的なコマンド

  • まずは conda deactivate で 現在起動されてるconda環境を停止する

conda環境起動前のコマンド

  • conda activate で デフォルト環境(base)の起動

  • conda create -n my_env python=3.9 で環境作る

    • -nオプションは、環境名
    • 今回は「webapp_env」と「ml_env」の、2つの環境をつくる（あとで）
    • python=3.9 はpythonのバージョン指定

  • conda info -e で作成済みのconda環境を確認する

  • conda activate my_env で「my_env」というconda環境を起動する

    • 余談："my_env"は「俺の環境(my environment)」という意味。サンプルコードでよくでてくるね。

conda環境起動後のコマンド

  • conda list で、その環境でインストール済みパッケージ表示
  • conda install ${package_name} でその環境にパッケージをインストール
    • 例）conda install jupyter
    • conda install python=x.x で 他のバージョンのpythonをインストールできる
  • conda deactivate で いま起動してるconda環境を停止
  • 詳しくは公式ドキュメント参照

1-3. condaでWebアプリ開発用の環境をつくろう

  • conda create -n webapp_env python=3.9
    • webapp_env という名前の conda環境をつくる. pythonのバージョンは3.9で
  • conda activate webapp_env
    • webapp_env という名前の conda環境を起動
  • conda install django
    • その環境に Django パッケージをインストール
    • オプション-cつけてチャンネルを明示的にしてもよい
      • conda install -c conda-forge django
    • https://anaconda.org/conda-forge/django
  • conda list
    • その環境でインストール済みパッケージ表示.

1-4. djangoでローカルサーバーを起動しよう

  • django-admin startproject helloworld
    • 「helloworld」という名前のdjangoプロジェクトをつくる(フォルダが作成される)
  • cd helloworld
    • ディレクトリ移動
  • python manage.py migrate
    • マイグレート（おまじないみたいなもん. ここでは解説省きます🙇‍♂️）
  • python manage.py runserver
    • サーバー起動
  • http://127.0.0.1:8000/ へアクセス
    • ローカルサーバー起動してることを確認

②numpyやpandasを使ったデータ分析

  • ①で使ったminiforgeのcondaを前提にすすめるので、見てない方は①の「1-2. miniforgeでcondaをインストールしよう」から先に見てね

目次: データ分析

  • 2-1. condaでデータ分析用の環境をつくろう
  • 2-2. Jupyter Notebookを立ち上げて試そう

2-1. condaでデータ分析用の環境をつくろう

  • conda create -n ds_env python=3.9
    • ds_env という名前の conda環境をつくる. pythonのバージョンは3.9で
    • 余談：dsは "data science" の略。
    • conda info -e で 作成済みの環境を確認
  • conda activate ds_env
    • ds_env という名前の conda環境を起動
    • conda list で その環境にすべてインストールされているパッケージ確認

その環境にjupyter, numpy, pandas, matplotlib をインストール

  • conda install jupyter

    • ブラウザベースの対話形式実行環境「jupyter」のインストール
    • 余談：最近は「Jupyter Notebook」よりも「JupyterLab」が流行りつつある
      • JupyterLabは次世代のUI環境でNotebookより多機能. 色々できる.
      • 好みでJupyterLabインストールしてもよい -> conda install jupyterlab

  • conda install numpy

    • 行列計算ライブラリ「numpy」のインストール

  • conda install pandas

    • データ構造演算ライブラリ「pandas」のインストール

  • conda install matplotlib

    • グラフ描画ライブラリ「matplotlib」のインストール

  • conda list

    • その環境でインストール済みパッケージ表示.

  • その他パッケージは 下記サイトから検索してインストール

2-2. Jupyter Notebookを立ち上げて試そう

  • jupyter notebook

    • Jupyter Notebook立ち上げる -> 勝手にブラウザで開かれる
    • Jupyter Labの場合は コマンドjupyter lab

  • 右上のNewボタン>Python3を選び、Python3のノートブックをつくる

  • まずはそれぞれimport

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
  • バージョン確認など
# jupyter上に画像表示したいとき
# %matplotlib inline

np.__version__
pd.__version__
plt.plot([1,3,4,6,6])

③TensorFlowを使ったディープラーニング

目次：ディープラーニング

  • 3-1. tensorflow_macosでtensorflowをインストールしよう
  • 3-2. venvの仮想環境"tensorflow_macos_venv"を起動しよう
  • 3-3. kerasでmnist使って画像認識させてみよう

3-1. tensorflow_macosでtensorflowをインストールしよう

  • githubのリポジトリ をcloneしてくる
    • git clone https://github.com/apple/tensorflow_macos.git
  • インストールスクリプトを叩く
    • cd tensorflow_macos
    • bash scripts/download_and_install.sh
      • 色々聞かれるけどすべて[y] でOK
      • ホームディレクトリ ~/ に、tensorflow_macos_venv がダウンロードされている

3-2. venvの仮想環境"tensorflow_macos_venv"を起動しよう

  • . ~/tensorflow_macos_venv/bin/activate
    • venvの仮想環境"tensorflow_macos_venv" を起動
      • どのディレクトリで実行してもOK
      • 起動したら コマンドラインの頭に(tensorflow_macos_venv) がつく
      • pythonのインタラクティブモードで import tensorflow が成功するか確認
      • deactivate でその環境を停止
  • pip freeze

3-3. kerasでmnist使って画像認識させてみよう

  • Keras のサンプルコードサイトにアクセス
    • CNNというニューラルネットワークを組んで, mnist(手書き数字のデータセット. 28x28が7万枚.)の書かれた数字を認識するタスク
  • ファイルを適当につくる(今回はsimple_mnist_convnet.py)
  • コピーアンドペースト
  • python simple_mnist_convnet.py
    • minist の「画像認識タスク（学習と検証）」実行

お疲れ様でした！！！

21
31
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
21
31

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?