【Windows版】TensorFlowのインストール

ゆうすけ

WindowsでもTensorFlowって使えるの・・・？

資格マフィア

WindwosでのTensorFlowのインストールは少し厄介だ。
だが、Anacondaを使うと比較的簡単にできる。

✔️ 本記事のテーマ

（Windows版）TensorFlowのインストール方法と使い方

✔️ 読者さんへの前置きメッセージ

本記事は「（Windows版）TensorFlowのインストール方法とその使い方」について書いています。

この記事を読むことで「全くのゼロ状態から、TensorFlowをインストールして使えるようにする方法」をイメージできるようになります。

TensorFlowを使うことで、プログラムで機械学習を行えるようになります。

そんなTensorFlowはサードパーティ製のPythonライブラリなので、使用するためにはインストールが必要となります。

ただし、Windowsではその設定が少しややこしいです。

この記事では、Windowsでのインストール方法を詳しく解説しています。

それでは、順に解説していきましょう。

TensorFlow（テンソルフロー）とは？
（Windows版）TensorFlow（テンソルフロー）のインストール方法
インストール後のTensorFlow（テンソルフロー）の使い方
TensorFlowについて体系的に学ぶなら
エンジニアとしての自身の価値をチェックする（完全無料）

TensorFlow（テンソルフロー）とは？

TensorFlow（テンソルフロー）とは機械学習の分野で使用されるライブラリです。

Googleにより2015年11月に公開されたオープンソースライブラリです。

TensorFlowを使うことで、多次元のデータ構造を流れるように処理して、深層学習（ディープラーニング）を行えるようになります。具体的にはニューラルネットワークと呼ばれる機能によって、脳機能の特徴を捉えることで、より高度な計算や学習を行えるようになります。

慣れれば簡単に機械学習を行えるので、ぜひ使い方を覚えておきたいライブラリです。

次から、TensorFlowのインストール手順を解説していきます。

（Windows版）TensorFlow（テンソルフロー）のインストール方法

WindowsでTensorFlowを使うための一番ハードルが低い方法は、
「Anaconda Novigator」を使う方法でしょう。

Anacondaとは、「データサイエンス」や「機械学習」のためのPython用のディストリビューションです。機会学習などに必要なライブラリがひとまとまりになっているので使い勝手が良いです。

Anaconda Navigatorを使うことで、さらに自分が必要なライブラリを追加して使うことが出来ます。今回のケースでは、TensorFlowを追加します。

具体的な手順を解説していきましょう。

なお、MacOSやUbuntuでのTensorFlowのインストール方法については
「【python】TensorFlowのインストール方法と使い方」の記事で解説しています。

Anaconda Novigator を起動する

まずは、「Anaconda Novigator」を起動します。

TensorFlowを追加する環境を選択する

Anaconda Navigatorのメニューバーの「Environments」をクリックします。

この画面で、Anacondaで管理している環境一覧を確認することができます。

新規で仮想環境を作成することもできますが、
特に理由がなければ、rootを選択すれば良いでしょう。

TensorFlowをインストールする

下の画像の①のリストボックスをAllに変更して、
②の欄に「tensorflow」と入力します。

「tensorflow」というライブラリが見つかるので、インストールします。

「tensorflow」の左横にあるチェックボックスにチェックを付けて、
右下の「Apply」ボタンを押してインストールできます。

これでインストールが完了します。

インストール後のTensorFlow（テンソルフロー）の使い方

TensorFlowは使い方がやや特殊です。

Pythonライブラリですが、他のライブラリと違って、TensorFlow特有の処理の組み方をしないと、正しく計算処理が実行することが出来ません。

TensorFlowを使ったコードの書き方を詳しく解説していきましょう。

定数の定義

TensorFlowでは、特有の形で定数を定義します。

以下のように書くことで定数として定義して、後続の処理で使うことができます。

x = tf.constant(3)

変数の定義

後続の処理で、値が変化しうる変数として定義する場合は、以下のように書きます。

y = tf.Variable(x + 1, name='y')

例えば、このように書くことで、xより1大きな数としてyを定義することができます。

初期化処理

TensorFlowを使う場合は、初期化処理が必要になります。

TensorFlowで計算処理を行う前には、
各変数やセッションと呼ばれるものを初期化する必要があります。

init_opr = tf.initializers.variables()

と書いておいて、後続処理でこの init_opr をrunすることで初期化処理を実行できます。

計算処理の実行

TensorFlowの処理実行は、 session と呼ばれる概念をもって行います。

具体的には、以下のように書きます。

sess = tf.Session()
result = sess.run(add)

ちなみに、引数として渡すことができる計算処理は100種類以上あります。
代表的なものを以下に抜粋します。

関数名	処理内容
tf.add	加算処理を定義する
tf.math.add	加算処理を定義する
tf.subtract	減算処理を定義する
tf.math.subtract	減算処理を定義する
tf.multiply	積算処理を定義する
tf.math.multiply	積算処理を定義する
tf.divide	除算処理を定義する
tf.math.divide	除算処理を定義する

試しに計算させてみる

試しに最も簡単な計算「1 + 1 = 2」をTensorFlowでやってみましょう。

TensorFlowを使うと、以下のようなコードになります。

# ライブラリのインポート
import tensorflow as tf

# 定数を定義
x = tf.constant(1)
y = tf.constant(1)

# 計算処理を定義
add = tf.add(x, y)

# 計算処理の実行
sess = tf.Session()
result = sess.run(add)

# 結果確認
print(result)

このPythonファイルを実行すると、計算結果の「2」が出力されます。

どうでしょう。

正直、この例では、TendorFlowの便利感は伝わりにくいかもしれません。

1 + 1 なら普通にPythonで