主に自分のメモ用途。
Jupyter Labやらpython環境やら
Anaconda navigator の64bit版をインストールし、起動する
ダッシュボードの “Applications on ~” の箇所がbaseしかないので、用途によってここが増えるようにする（Environments → create）
Anaconda promptを開く
> conda env list
> conda activate ○○ #さっき作った環境名
ここから必要なパッケージをインストールする、基本的にはpipで依存関係を構築する
> python -m pip install --upgrade pip
> pip install -U pandas
> pip install -U dask
> pip install -U matplotlib
> pip install -U tensorflow-gpu #GPU版じゃないならtensorflow
※pipで入るtensorflow-gpuに関してはCUDAのバージョンが指定されているので、先にtensorflow-gpuを入れてCUDAの要求バージョンを確認するのが良い。
> import tensorflow as tf
> tf.__version__
ここのログを見る。たぶん9.0とか書いてあったら、CUDA 9.0 と 対応バージョンの cuDNN を入れてくださいという意味。
CUDAのインストール
ここから環境にあったCUDAのインストーラをダウンロードする。パッチもついでに落としておくと◎
CUDA Toolkit 9.0 Downloads | NVIDIA Developer
インストールする際、Visual Studio Integrationとか無視してランタイムだけ入れる。
一説だと「Visual Studio入れてないと動かへんでｗ」って声もあるけど大丈夫だった。
ついでにcuDNNも必要になるので、落とす。
cuDNN Archive | NVIDIA Developer
最新版のcuDNNはNDIVIAのユーザー登録が必要だけれど、まあ一回入れて動かなかったらバージョン変えてみるくらいのスタンスで良い気がする
（cuDNNはインストーラ形式ではないので、導入したCUDAと同じフォルダに上書きで突っ込んであげる）
CUDAとcuDNNの導入が終わったら、端末を再起動する（CUDAのパスが通ってないので）
再起動後、pythonで次のコマンドを打ってエラーが出ない事を確認する。
>>> import tensorflow as tf
>>> print(tf.__version__)
1.9.0
matplotlibのグラフが出ない時
これはCondaで導入したら起こらない問題かもしれない。
> ipython profile create
$ vim /mnt/c/Users/○○/.ipython/profile_defa
ult/ipython_config.py #vim使うためにWSLで入る
ここで32行目くらいの c.InteractiveShellApp.exec_lines = [] のコメントアウトを削除し、次のように書き換える
c.InteractiveShellApp.exec_lines = ['%matplotlib inline']
これで毎回 %matplotlib inline せずに済む。
おまけ
素のAnaconda環境+Windows+jupyterLabをVim化+黒背景
conda install nodejs
jupyter labextension install jupyterlab_vim
エンジニアとして働く90年生まれ。Web系技術を追っかけたり、PCガジェットや自転車いじりが趣味。オーディオオタク。
