Chainerのインストール方法をわかりやすく解説|Mac・Linux・Windows

最近ではディープランニングやAIの話でIT界隈は盛り上がっていますね。なのでディープランニングを効率よく行えるPythonのフレームワークであるChainerについて何回かに分けて説明していこうと思います。

今回は

  • Chainerとは
  • MacにChainerをインストールする
  • WindowsにChainerをインストールする
  • LinuxにChainerをインストールする

と基本的な説明から、Chinerのインストール方法についてOS毎にMac、Windows、Linuxと分けて解説していきます。Chainerのインストール方法が知りたいという方は参考にしていただけたら幸いです。Chainerの特徴の一つとしてインストールが簡単であるということもありますので、サクッとインストールして学習環境を整えてしまいましょう。

Chainerとは

まずはじめに簡単にChainerとは何かということを説明しておこうと思います。ChainerとはPreferred Networksによって開発された簡単にニューラルネットワークを扱うためのフレームワークになります。

先ほど挙げた通り、インストールが簡単なことやGPUによる演算に対応していること、柔軟な記法で様々な事例に対応できることなどにより、Pythonの深層学習フレームワークとして人気があります。Chainerを使うと文字認識や画像認識など様々なことができるようになるので、深層学習始めた手の方やこれから始めるという人には必須のフレームワークとなってくるでしょう。

また詳しい説明は


こちらに書いてありますので、Chainerとは何か詳しく知りたい方はぜひ勉強してみてください。

Macでのインストール

では、実際のインストール方法を見ていきましょう。MacにはPythonが最初から入っていますが、これとは別に開発用のPython環境を作るのをおすすめします。これについては以下の記事を参考に!

【初心者必見!】AnacondaでPythonの環境を構築してみよう!(Mac編)
更新日 : 2019年5月22日

さて、開発用のPythonを導入したら、まずはMacへのChainerインストールからです。

pip3 install chainer

はいこれだけです。

Pythonにライブラリをインストールするにはpipを使えばOKです。ちなみに侍ではPython3系に導入して学習を進めていきます。

その後きちんと導入されたかの確認ですが、

import chainer

print(chainer.print_runtime_info())

Output:

Platform: Darwin-18.2.0-x86_64-i386-64bit
Chainer: 5.1.0
NumPy: 1.15.1
CuPy: Not Available
iDeep: Not Available

このコードを実行し、きちんと情報が表示されたらChainerはインポートできています。

Windowsでのインストール

はい、次はWindowsでのインストールについてみていきましょう。WindowにPythonが入っている人はMac同様の入れ方で大丈夫です。ただ、c/c++コンパイラというものが必要になってくるので以下からvisual studio community 2015をインストールしておきましょう。

インストール時VC++に必ずチェックを入れましょう

以前の Visual Studio ソフトウェアのダウンロード | Visual Studio

visual studio communityとは何か詳しく知りたい人は以下で説明しているので参考にしてみてください。

【初心者必見!】Visual Studio Communityについてわかりやすく解説!
更新日 : 2020年5月8日

WindowsではデフォルトでPythonが入っていないので、まずはPythonの導入からになる方もいるかと思います。Pythonをいれて必要なライブラリをいれて、pipをいれてとやるのは大変ですよね。そこでPythonに関する基本的なものがパックになったAnacondaというものがありますので紹介します。

AnacondaをつかってChainerをインストールしよう

Anacondaとは、Pythonやそれに付随する様々な必要なライブラリを自動で構築してくれるものです。Anacondaによる環境構築はとても簡単なのでつまずくことなくいけるかと思います。

簡単に説明すると、

1、Anacondaをインストール
2、解凍実行
3、Pythonや基本的に必要なライブラリが全て構築されている

という超絶楽な感じです。

Anaconda

こちらのサイトで詳しく説明されているのでこの通りに行うと良いでしょう。

その後はMacと同じで

pip install chainer

でOKです。

Macと同じ方法で導入されたか確認できますが、もっと簡単な場合も紹介しておきます。ちなみにこれはMacでも使えます。お好みの方法で確認してください。

コマンドプロンプトで

python

と打ち込み、Pythonの対話モードを実行させたあと、

>>> import chainer

とし、エラーが帰ってこなければMacと同様に「chainer.print_runtime_info()」を実行してエラーが出なければ正常に導入されています。

また、対話モードからは

exit()

で抜けることができます。

GPUに対応させよう

次はChainerでGPUを扱えるようにしていこうと思います。

GPUとはGraphics Processing Unitの略です。普通パソコンの脳みそとなる部分はCPU(Central Processing Unit)で構成されています。GPUとはCPUの親戚みたいなものでGPUはCPUに比べ大量なデータを高速で処理することができます。

Windowsの方あればGPUを積んだマシンを使っている人もいるかと思います。せっかくChainerはGPU演算が可能なのに使わないのはもったいないですよね。なのでこの章ではGPUを利用する方法について説明していきます。

実はGPUを利用する場合はChainerのインストールは最後になりますので事前にインストールしてしまった場合はアンインストールしてください。

手順としては

1、CUDAをインストール
2、cuDNNのインストール
3、環境変数の編集
4、Chainerをインストール

という流れになります。

CUDAをインストール

まず以下からCUDAをダウンロードしてください。

CUDA

CUDAはChainerとGPU演算をくっつけてくれるものと解釈してもらえれば大丈夫です。

cuDNNをインストール

次に以下に会員登録をしてcuDNNをインストールしていきます。

cuDNN

cuDNNは学習速度を上げてくれるオプションだと思ってもらえればいいです。自分のOSに対応した物をダウンロードしましょう。

そして

C:Program FilesNVIDIA GPU Computing ToolkitCUDA8.0

にCUDAに対応するフォルダがあるのでそれぞれ対応するパスをコピーしてください。

環境変数を編集する

次に環境変数を編集して上げます。

環境変数’PATH'に

C:Program Files (x86)Microsoft Visual Studio 12.0VCbin

また環境変数’INCLUDE’に

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0include
C:Program Files (x86)Windows Kits10Include10.0.10240.0ucrt

を追記してください。

10のところはWindowsのOSに合わせてください。

Chainerをインストール

GPUを用いてインストールする場合ここでやっと、Chainerをインストールします。

既にインストールしてある場合は

pip uninstall chainer

でアンインストールしたあと、

pip install chainer --no-cache-dir

でインストールし直してください。

ubuntuでのインストール

次は、ubuntuにChainerをインストールする方法について見ていきましょう。今回はGPUを利用すると仮定した手順で説明しますので、GPUは要らないよというかたは、今まで通りpipでChainerを入れてもらえば大丈夫です。

手順としては、WindowのGPUに対応させようと同じで、

1、CUDAをインストール
2、cuDNNのインストール
3、環境変数の編集
4、Chainerをインストール

こういう手順で行きます。

CUDAをインストール

これはWindowsと一緒ですね。

以下から自分にあったCUDA Toolkitをインストールします。

CUDA

cuDNNのインストール

これも以下から会員登録をしてcuDNNをインストールしていきます。

cuDNN

会員登録後DLするライセンスがもらえますので

tar -xf cudnn-8.0-linux-x64-v6.0.tgz
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda/include

このコマンドでインストールしましょう。

環境変数を編集する

ubuntuですので.bashrcに以下を追記します。

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

追記したら

exec $SHELL -l

で有効化しておきましょう。

Chainerのインストール

ここで後は依存するライブラリである、

pip install cupy

をインストールし、

pip install chainer

でインストールしてください。

以前からChainerをインストールしていた場合はアンインストール後またインストールしてください。その後はMacやWindowsと同じように対話シェルで導入されたかの確認を行ってください。

あなたが学ぶべき言語はPythonで本当に大丈夫?

ここまでPythonのフレームワークであるChainerのインストール方法を解説してきましたが、この記事をご覧の方の中には、

このままでPythonを習得できるのだろうか..

と少なからず不安になっている人もいるのではないでしょうか?そんな方には、一度立ち止まって考えて欲しいことがあります。それは、そもそもあなたがPythonを学ぶ目的は何か、本当に学ぶべき言語はPythonで間違いないか?ということです。

Pythonを学ぶ目的や理由は明確ですか?

Pythonに限った話ではありませんが、プログラミング学習はエラーとの戦いが大半なので、学ぶ目的や理由が不明確だとモチベーションが下がってしまい、挫折してしまいやすいです。

なのでもしあなたが今、

  • なんとなくPythonが人気そうだから
  • Pythonは将来性がありそうだから

といったような、ぼんやりした理由でPythonを学んでいるとしたらそれは要注意。もっと言うと、そもそもあなたが学ぶべき最適な言語が他にあるという可能性も考えられます。

どのプログラミング言語を学ぶか?は、その先のエンジニア人生を左右すると言っても過言ではありません。もしあなたが言語選定に少しでも不安があるなら、まずはプログラミング言語無料診断アプリを使ってみてください。

いくつかの簡単な質問に答えるだけで、あなたにぴったりの言語や学習プランを1分ほどで無料診断致します。

挫折せずに学びたいなら

また、学ぶべき言語はPythonで間違っていないけど、エラーとの戦いに消耗している方や、Python学習に最適な学習環境を作れていない人もいるかもしれません。

というのも、一般的にPythonは初心者でも学びやすい言語と言われていますが、そもそも機械学習という分野は、プログラミング以外にも専門的な知識や数学の知識も必要になってくるので、実は想像以上に挫折しやすい言語でもあるのです。

なのでやはりつまずいた時に分からない部分を聞ける環境を作っておくと、挫折する事なく学習を続けられスキルを習得できる可能性がグッと上がります。

もしあなたが今Pythonの独学に少しでも不安を抱いているのであれば、ぜひ弊社「侍エンジニア塾」をご利用ください。

弊社ではAI専門コースを用意しており、経験豊富な現役エンジニアがマンツーマンであなたの学習をサポートします。また、転職支援や独立・起業サポートもしているので、学習した先も安心ですよ。

もちろん、いきなり入会するのは不安な人も多いと思います。そこで、興味がある人はまず無料体験レッスンを利用してみてください。弊社随一のコンサルタントが、あなたの理想や目標をヒアリングした上で、あなたにぴったりの学習プランを提供させて頂きます。

無料体験は下記ボタンから1分ほどで予約できるので、ぜひお気軽にご利用ください。オンラインでの利用も可能となっています。

侍エンジニア塾
無料体験レッスンの予約はこちら

まとめ

いかがでしたでしょうか。

ChainerのインストールをOS別に説明してきました。基本的にはpipコマンドでChainerはインストールできます。そして、GPUに対応させたい場合はCUDAをインストールして上げたらよかったですね。

また、学習速度を上げるためのcuDNNの導入も忘れてはいけません。Chainerは国産のフレームワークということもあって他の深層学習フレームワークとは比べ物にならないほど簡単に環境構築ができます。

サクッとインストールして深層学習を勉強して行きましょう!それでは!

LINEで送る
Pocket

「プログラミング、右も左もわからない…」という方にオススメ

当プログラミングスクール「侍エンジニア塾」では、これまで6000人以上のエンジニアを輩出してきました。

その経験を通してプログラミング学習に成功する人は、「目的目標が明確でそれに合わせた学習プランがあること」「常に相談できる人がそばにいること」「自己解決能力が身につくこと」この3つが根付いている傾向を発見しました。

侍エンジニア塾は上記3つの成功ポイントを満たすようなサービス設計に磨きをかけております。

cta_under_bnr

「自分のスタイルや目的に合わせて学習を進めたいな」とお考えの方は、ぜひチェックしてみてください。

書いた人

かい

かい

日向徹かこよすぎか

[email protected]

おすすめコンテンツ

いまならレッスン期間が2週間延長!この秋、プログラミングを学ぼう

転職成功で受講料0円!あなたもプログラミングを学んでエンジニアデビュー