MENU
  1. ホーム
  2. プログラミング言語
  3. Python
  4. Python学習
  5. 【2019年度版】TensorFlow 1.5のインストール方法を解説！【Windows 10】

【2019年度版】TensorFlow 1.5のインストール方法を解説！【Windows 10】

Python学習
侍テック編集部

こんにちは！侍エンジニアブログ編集部です。

Windowsで機械学習に挑戦するとき、TensorFlow（テンソルフロー）にするかChainer（チェイナー）にするか悩んだことはないでしょうか。

結論から言いますと、TensorFlowのほうが人気がありますが、インストールがちょっと大変なので腰が引けてしまう人も少なくないと思います。

そこで、この記事ではTensorFlowにはCPU版とGPU版の2種類があることを紹介し、各TensorFlowのインストール方法を丁寧に説明します。インストールして初めて、TensorFlowを評価できると思いますので、ぜひ挑戦してみてください！

この記事の要約
  • TensorFlowは2つの種類からどちらを使うか決める必要がある
  • GPUや利用目的に合わせて使うTensorFlowを選ぼう

なお、どのプログラミング言語を学べばいいのか、どう学習を進めればいいのかなどがあいまいな人は「プログラミング学習プラン診断」をお試しください。

かかる時間は1分ほど。4つの質問に答えるだけで、あなたにあう言語や学習プランを診断してもらえます。

これからプログラミングを学ぼうとしている人は、ぜひ一度お試しください。

＼ 4つの質問に答えるだけ ／

1分で診断してみる

ちなみに、Chainerのインストール方法を紹介する記事もありますので、あわせてご覧ください。

Chainerのインストール方法をわかりやすく解説｜Mac・Linux・Windows
更新日：2024年3月1日
目次

どのTensorFlowをインストールする？

TensorFlowには、以下の2種類があります。

  • TensorFlow with CPU support only（以降、CPU版TensorFlow）
  • TensorFlow with GPU support（以降、GPU版TensorFlow）

どちらをインストールしても機械学習は行えるのですが、それでも片方を選択しなければいけません。残念ながら、これもまたTensorFlowを採用するハードルの1つになっていますね…。

この記事では、インストールするTensorFlowを検討できるように、手順形式にしてみました。順番に読んでいき、どちらのTensorFlowをインストールするか決めてください。

（1）お使いのパソコンがNVIDIA製GPUを搭載していますか。

以下の画面のようにデバイスマネージャーの「ディスプレイアダプター」に「NVIDIA GeForce xxxxx」のように表示されていれば、NVIDIA製GPUを搭載しています。

tens-ins01

一方、以下の画面のように「NVIDIA GeForce xxxxx」が表示されない場合は、残念ながらNVIDIA製GPUを搭載していません。

tens-ins02

NVIDIA製GPUを搭載していない場合は、CPU版TensorFlowをインストールします。NVIDIA製GPUを搭載している場合は、（2）に進みます。

（2）NVIDIA製GPUを機械学習に使っても大丈夫ですか。

GPU版TensorFlowで機械学習をしている間は、そのパソコンはCPUしか使えないと考えた方が良いでしょう。

たとえば、NVIDIA製GPUを使って高速処理を実現している動画編集ソフトやゲームソフトは、機械学習をしている間は、思ったとおりのパフォーマンスはでず、まったく使えないという印象になります。

もちろん、機械学習をしていない間は、動画編集ソフトもゲームソフトも通常どおり高速処理ができますので、安心してください。

ということで、NVIDIA製GPUを機械学習に使われると困る場合は、CPU版TensorFlowをインストールします。NVIDIA製GPUを機械学習に使っている間は、他のソフトを使わないなら（3）に進みます。

（3）機械学習が遅くても待てますか。

機械学習の動作確認が主な目的である場合など、遅くても待てる場合は、CPU版TensorFlowをインストールします。

速くできるのに遅いなんて許せない！という場合は、GPU版TensorFlowをインストールします。

いかがでしょうか、インストールするTensorFlowは決定しましたか？CPU版TensorFlowを推しているように見えるのは、CPU版TensorFlowはインストールが簡単だからです。

さて、インストールするTensorFlowが決定したので、次はPythonの環境を構築しましょう。

Pythonの環境を構築しよう

CPU版TensorFlowを使う場合も、GPU版TensorFlowを使う場合も、Pythonの環境を構築しましょう。TensorFlowの動作環境は、Python 3.5またはPython 3.6です。

したがって、すでにそれ以外のバージョンのPythonをインストールしている場合は、Pythonの環境を分離するために、ひと工夫必要です。

Anaconda、Miniconda、virtualenvというアプリを聞いたことはあるでしょうか。

いずれも、Pythonの環境を分離するために使うアプリです。ひと工夫必要になる前でも、これらのアプリを1つ使うと良いでしょう。

初めに種明かしをしておきますが、この記事ではAnacondaを使って、TensorFlowを動作させるためのPython環境を構築しています。

Anaconda

Anacondaは、Pythonを使いたいときにPythonの代わりにインストールするソフトウェアです。（AnacondaにPythonが含まれているため）別途Pythonをインストールしないことが特徴です。

Anacondaは、以下の記事で詳しく説明していますので、ぜひご覧ください。

【TensorFlow/Chainer挑戦者必見】Anacondaのインストール方法
更新日：2024年3月29日

Miniconda

Minicondaは、Anacondaの一部分だけを抽出したアプリです。

Anacondaでは余計なアプリやライブラリがインストールされてしまい都合が悪いときは、Minicondaを使いましょう。

ただし、TensorFlowを使用する際に必要なライブラリもインストールされていませんので、TensorFlowのインストールに少し余計に時間がかかります。

※一方、Minicondaのほうが、Anacondaよりもインストール時間は短くて済みます。

virtualenv

virtualenvは、AnacondaやMinicondaとは異なり、PythonをインストールしたあとにインストールするPython環境分離ツールです。

Anacondaでも、Minicondaでも、virtualenvでも、TensorFlow用のPython環境を構築できますが、この記事ではAnacondaを使うことにします。

CPU版TensorFlowをインストールしよう

まずは、CPU版TensorFlowをインストールする場合の手順を説明します。

ざっと説明すると、Anaconda Navigatorを起動して、CPU版TensorFlow用のPython環境を構築します。次に、JupyterLabを起動し、CPU版TensorFlowをインストールして、動作を確認します。

では、操作を具体的に説明していきます。

（1）Anaconda Navigatorを起動します。

（2）「Environment」をクリックし、「Create」をクリックします。

tens-ins03

（3）「Name」欄に「tensorflow-cpu」と入力し、「Create」をクリックします。

「Python」にチェックが付いていて、「3.6」が選択されていることも確認してください。

tens-ins05

tensorflow-cpu環境が作成されます。

（4）「Home」をクリックし、「Applications on」欄で「tensorflow-cpu」を選択して、「jupyterlab」の「install」をクリックします。

tens-ins05

（5）「jupyterlab」の「Launch」をクリックします。

tens-ins06

（6）「Terminal」をクリックします。

tens-ins07

（7）「pip install –upgrade tensorflow」と入力し、Enterキーを押します。

tens-ins08

これで、CPU版TensorFlowのインストールが完了しました！

※なお、Anaconda Navigatorで「Environments」→「tensorflow-cpu」をクリックし、右上で「Not installed」を選択して「Search Packages」欄に「tensorflow」と入力すると、condaパッケージのtensorflowが表示されますが、こちらは公式のTensorFlowではありませんので、インストールしないことをお勧めします！

では、インストールできたことを確認してみましょう。

（6）「File」→「New」→「Notebook」の順にクリックします。

tens-ins10

（7）「Python 3」が選択されていることを確認し、「SELECT」をクリックします。

tens-ins11

（8）以下のコードを入力し、Shiftキーを押しながらEnterキーを押します。

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
tens-ins12

少ししてから「b’Hello, TensorFlow!’」と表示されれば、CPU版TensorFlowの実行も問題ありません。

GPU版TensorFlowをインストールしよう

ここからは、GPU版TensorFlowをインストールする場合の手順を説明します。

こちらもざっと説明すると、まずは、以下のアプリケーションやライブラリをインストールします。

  • Visual Studio Community 2015 with Update 3
  • CUDA Toolkit 9.0 (Sept 2017)
  • cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0

いずれも新しいバージョンが公開されていますが、TensorFlowを動作させるには、上記のバージョンをインストールするのが近道です。

あとは、CPU版TensorFlowのインストール手順とほとんど同じ流れです。

Anaconda Navigatorを起動して、GPU版TensorFlow用のPython環境を構築します。最後に、JupyterLabを起動し、GPU版TensorFlowをインストールして、動作を確認するという流れです。

CPU版TensorFlowに比べるとインストールするものが多くなり大変ですが、避けては通れません。頑張ってインストールしていきましょう。

Visual Studio Community 2015 with Update 3のインストール

Visual Studio Community 2015 with Update 3は、すでに最新バージョンではないため、「無料のDev Essentialsプログラム」に参加する必要があるなど、ダウンロードに少し手間がかかります。

（1）Visual Studioのダウンロードサイトを表示します。

（2）ページの下の方に表示されている「以前のバージョン」をクリックします。

tens-ins13

（3）「Visual Studio 2015およびその他の製品」の「ダウンロード」をクリックします。

tens-ins14

Visual Studio Community 2015 with Update 3を利用するには、無料のDev Essentialsプログラムに参加する必要があります。

まだ参加していない場合は、上の画面の「無料のDev Essentialsプログラム」をクリックして、画面の指示に従って操作してください。

参加できたら、（4）に進みます。

（4）ログインする画面が表示された場合は、ログインします。

（5）「Visual Studio Community 2015 Update 3」にチェックを付けます。

tens-ins15

（6）「Japanese」と「EXE」を選択し、「Download」をクリックします。

tens-ins16

ja_visual_studio_community_2015_with_update_3_x86_x64_web_installer_8922964.exeがダウンロードされます。

（7）ja_visual_studio_community_2015_with_update_3_x86_x64_web_installer_8922964.exeを実行し、画面の指示に従って操作します。

CUDA Toolkit 9.0 (Sept 2017)のインストール

CUDA Toolkit 9.0 (Sept 2017)も少し古いバージョンですが、Visual Studio Communityに比べれば、少ない手続きでインストールできます。

なお、CUDA Toolkit 8.0をインストールしても、GPU版TensorFlowは動作しません。

（1）CUBA Toolkit 9.0のダウンロードサイトを表示します。

（2）「Windows」と「10」をクリックし、「exe (network)」をクリックします。

Windows 10以外のバージョンを使用している場合は、ご使用のWindowsのバージョンにあわせてクリックしてください。

tens-ins17

（3）「Base Installer」の「Download」をクリックし、「Patch 1 (Released Jan 25, 2018)」の「Download」をクリックします。

tens-ins18

cuda_9.0.176_win10_network.exeとcuda_9.0.176.1_windows.exeがダウンロードされます。

（4）cuda_9.0.176_win10_network.exeを実行し、画面の指示に従って操作します。

（5）cuda_9.0.176.1_windows.exeを実行し、画面の指示に従って操作します。

cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0のインストール

次は、cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0です。

cuDNNをダウンロードするには、NVIDIA Developer Programへの会員登録が必要です。

（1）cuDNNのダウンロードサイトを表示します。

（2）会員登録を済ませている場合は、「Login」をクリックします。

会員登録が済んでいない場合は、「Join」をクリックして、画面の指示に従って操作します。

tens-ins19

（3）メールアドレスとパスワードを入力し、「Login」をクリックします。

tens-ins20

（4）ログインできたら、もう一度cuDNNのダウンロードサイトを表示します。

（5）cuDNN Software License Agreementを確認し、同意できる場合は「I Agree To the Terms of the cuDNN Software License Agreement」をチェックして、「Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0」をクリックします。

cuDNN Software License Agreementに同意できない場合は、インストールできません。

tens-ins21

（6）「cuDNN v6.0 Library for Windows 10」をクリックします。

ご使用のWindowsのバージョンにあわせてクリックします。

tens-ins22

cudnn-9.0-windows10-x64-v7.zipがダウンロードされます。

（7）cudnn-9.0-windows10-x64-v7.zipを展開します。

（8）下表のとおりに、エクスプローラーでファイルをコピーします。

cudnn-9.0-windows10-x64-v7.zipを展開して作成されたファイルコピー先フォルダ
cuda\bin\cudnn64_7.dllC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin\
cuda\include\cudnn.h
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\
cuda\lib\x64\cudnn.libC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64\

以上で、cuDNNのインストールが完了しました。

環境変数を設定する手順を紹介していることがありますが、CUDAをインストールすると自動的に必要な環境変数が設定されますので、改めて設定する必要はありません。

念のため、コマンドプロンプトを表示して、「set CUDA_PATH」と入力し、Enterキーを押して、以下のように表示されることを確認してください。

CUDA_PATH=C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0
CUDA_PATH_V9_0=C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0

TensorFlow（GPU版）のインストール

いよいよGPU版TensorFlowをインストールする場合の手順を説明します。

もう一度ざっと説明すると、Anaconda Navigatorを起動して、GPU版TensorFlow用のPython環境を構築します。

次に、JupyterLabを起動し、GPU版TensorFlowをインストールして、動作を確認するという流れですよ。

では、操作を具体的に説明していきます。

（1）Anaconda Navigatorを起動します。

（2）「Environment」をクリックし、「Create」をクリックします。

tens-ins28

（3）「Name」欄に「tensorflow-gpu」と入力し、「Create」をクリックします。

「Python」にチェックが付いていて、「3.6」が選択されていることも確認してください。

tens-ins29

tensorflow-gpu環境が作成されます。

（4）「Home」をクリックし、「Applications on」欄で「tensorflow-gpu」を選択して、「jupyterlab」の「install」をクリックします。

tens-ins30

（5）「jupyterlab」の「Launch」をクリックします。

tens-ins31

（6）「Terminal」をクリックします。

tens-ins07

（7）「pip install –upgrade tensorflow-gpu」と入力し、Enterキーを押します。

tens-ins32

これで、GPU版TensorFlowのインストールが完了しました！

※なお、Anaconda Navigatorで「Environments」→「tensorflow-cpu」をクリックし、右上で「Not installed」を選択して「Search Packages」欄に「tensorflow」と入力すると、condaパッケージのtensorflowが表示されますが、こちらは公式のTensorFlowではありませんので、インストールしないことをお勧めします！

では、インストールできたことを確認してみましょう。

（6）「File」→「New」→「Notebook」の順にクリックします。

tens-ins33

（7）「Python 3」が選択されていることを確認し、「SELECT」をクリックします。

tens-ins11

（8）以下のコードを入力し、Shiftキーを押しながらEnterキーを押します。

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
tens-ins35

少ししてから「b’Hello, TensorFlow!’」と表示されれば、CPU版TensorFlowの実行も問題ありません。

TensorFlowを学んで機械学習エンジニアになるには

今回は、TensorFlowにはCPU版TensorFlowとGPU版TensorFlowがあることを解説し、各TensorFlowのインストール方法も画面を交えて説明しましたがいかがでしたでしょうか？

機械学習やAIを操作できるエンジニアは需要が高まっていくことが予想され、スキルを身につけることで新たなサービスの開発にも繋がりますが、いざ勉強してみると


勉強方法がよく分からない
今やってることが合ってるのか分からない

そんなお悩みから思うように学習が進まない方も多いと思います。そんなあなたはまず侍エンジニアの無料カウンセリングで機械学習の習得ができる正しい学習手順を相談してみてはいかがでしょうか？

弊社ではあなたの作りたいものに合わせてオリジナルで学習カリキュラムを組んでいくフルオーダーメイドカリキュラム制度を取り入れているので、作りたいものから逆算して身につけるべきスキルだけを選定した学習カリキュラム作成には大変定評がございます。

マンツーマン指導のため初心者の方はもちろん、中級者の方でもあなたのレベルに合わせた授業を行うことが可能ですので、これってどうやって作るんだろう？そのために何を勉強すればいいんだろう？というお悩みはぜひご相談ください。

下記の無料カウンセリング予約カレンダーよりお待ちしております。

お急ぎの方はこちらからお問い合わせください。

読み込みに失敗しました。
大変お手数ですが、本ページを再度読み込んでください。

再度読み込んでも、読み込み失敗が起こる場合は
こちらからお問い合わせください。

カウンセリングはオンラインにて実施しております。

※予約完了後に、カウンセリングのためのURLやIDなどをメールにてご案内します

1.ご希望の日時を選択してください

空きあり 満席
前週
次週

ご希望日時に空きがない場合、こちらからお問い合わせください。

2.必須事項を入力してください

必須選択された日時

日時を選択してください

開催場所 オンライン

日時を選択する

必須お名前

必須電話番号

必須メールアドレス

    ご予約により、個人情報の取り扱いおよび利用規約に同意するものとします。

    Python学習

    この記事を書いた人

    侍テック編集部のアバター 侍テック編集部

    侍エンジニア塾は「人生を変えるプログラミング学習」をコンセンプトに、過去多くのフリーランスエンジニアを輩出したプログラミングスクールです。侍テック編集部では技術系コンテンツを中心に有用な情報を発信していきます。

    この著者の記事一覧へ
    目次