Anaconda

Deep Learning のための python + Visualization 環境

Deep Learning に関する本「 Keras Deep Learning Cookbook」のプログラムを jupyter 上で実行するために、conda上に deep-graph という名前のpython実行環境を作った。

基本的には、Deep Learning のプログラムを動かすのに必要な python 環境を Windows 上に作り、 Visualization のパッケージを追加したものである。

deep-graph 環境を生成する

1. conda を用いて新しい python 環境を作成する。環境の名前は CPU 版を "deep-graph" 、GPU 版を "gpu-graph" とした。

    conda create -n deep-graph python=3.6 jupyter
および
    conda create -n gpu-graph python=3.6 jupyter

[注意]2019/07/24時点では deep-graph 環境のみ作成している。

2. 新しいpython環境をactivateして、 "deep-graph" 環境には 「Deep Learnin のための python 環境」 と同じ、 "gpu-graph" 環境には 「Deep Learnin のための python + GPU 環境 (Windows)」 と同じパッケージをインストールしておく。

    (base) C:\User\nitta> conda activate  deep-graph
    (deep-graph) C:\User\nitta> pip install ...
        ...

3. pydot をインストールする。(2章以降で必要)

    pip install pydot

4. graphvizをインストールする。(3章以降で必要)
• Windowsの場合 conda環境で導入する

    [condaコマンドでバイナリを導入する]
      (deep-graph) C:\Users\nitta\Documents> conda install graphviz
    [pipコマンドでpython用モジュールを導入する]
      (deep-graph) C:\Users\nitta\Documents> pip install graphviz
    [環境変数PATHにgraphvizのバイナリのパスを追加する]
      バイナリの場所はAnacondaのディレクトリの下の ${Anaconda}/envs/deep-graph/Library/bin/graphviz にある。
      (${Anaconda}の値は 自分は D:/sys/Anaconda3)
      [注意] 環境変数Pathの値を変更した場合はconda対話環境を起動し直す必要がある。

• Linuxの 場合

      $ sudo apt-get install graphviz
  

5. Kerasのbackendをtensorflowから theanoに変更する。

[注意] これはまだやっていない。

Linuxの場合は ~/.keras/keras.json の記述を変更する。 Windowsでは C:/Users/nitta/.keras/keras.json の記述を変更する(nittaの部分は各ユーザ名)。

---変更前
 {
   ...
   "backend": "tensorflow"
 }
---変更後
 {
   ...
   "backend": "theano"
 }

6. keras-adversarial をインストールする。

    $ pip install git+https://github.com/bstriner/keras-adversarial.git

    [kerasのバージョンの確認方法]
    $ pip show keras
    Name: Keras
    Version: 2.2.4

    [kerasのバージョンを2.1.2に固定する方法]
    $ pip install keras==2.1.2

    $ pip install image_utils