Windows PCでのPyTorchディープラーニング環境構築

この記事では、Windows PCにPyTorchディープラーニング環境を構築する手順を詳しく説明します。新しいコンピュータを購入した際の環境設定から、必要なソフトウェアのインストール、PyTorchの設定までを網羅します。

コンピュータ環境の設定

新しいコンピュータでは、まず基本的な環境設定を行う必要があります。これには、グラフィックスカードドライバ、CUDA、cuDNNのインストールが含まれます。

グラフィックスカードドライバ

通常、グラフィックスカードを搭載したPCは起動時にドライバが自動的にインストールされます。コマンドプロンプトを開き、以下のコマンドを入力して確認できます：

nvidia-smi

これにより、現在インストールされているドライバのバージョンと、対応するCUDAのバージョンが表示されます。例えば、ドライババージョン535.98はCUDA 12.2までサポートしている場合、CUDA 12.2以下のバージョンをインストールすることができます。

他のバージョンのドライバをインストールする必要がある場合は、NVIDIAの公式サイトからダウンロードできます：

https://www.nvidia.cn/geforce/drivers/

CUDAのインストール

CUDAは、ディープラーニングのためのGPUアクセラレーション計算プラットフォームです。CUDAのバージョンは、上記で確認したグラフィックスカードドライバがサポートするバージョンに基づいて選択する必要があります。以下のNVIDIA開発者サイトからダウンロードできます：

https://developer.nvidia.com/cuda-toolkit-archive

インストール後、コマンドプロンプトで以下のコマンドを入力して確認します：

nvcc -V

最終行にCUDAのバージョンが表示されれば、インストールは成功しています。

cuDNNのインストール

cuDNNは、ディープニューラルネットワークのためのライブラリで、CUDAと組み合わせて使用します。以下のサイトからダウンロードできます（アカウント登録が必要）：

https://developer.nvidia.com/cudnn-archive

インストールしたCUDAバージョンに対応するcuDNNバージョンを選択します。cuDNNは圧縮ファイルとして提供されるため、解凍後、CUDAのインストールディレクトリに直接コピーします。

開発ソフトウェアのインストール

次に、基本的な開発ソフトウェアであるMinicondaとVSCodeをインストールします。

Minicondaのインストール

MinicondaはAnacondaの軽量版で、Python環境管理に必要な最小限の機能を提供します。Anaconda（数百MB）に比べてMiniconda（数十MB）は非常に軽量です。以下のサイトからダウンロードできます：

https://docs.conda.io/en/latest/miniconda.html

インストール後、コマンドプロンプトでcondaコマンドが認識されない場合は、システムの環境変数PathにMinicondaのScriptsディレクトリを追加します。

VSCodeのインストール

VSCodeは、Microsoftが開発した軽量なコードエディタです。公式サイトからダウンロードできますが、ダウンロード速度が遅い場合は、国内のミラーサーバーを使用することをお勧めします。

公式サイト：https://code.visualstudio.com/

国内ミラーを使用するには、ダウンロードURLのドメイン部分を「vscode.cdn.azure.cn」に変更します。

PyTorch環境のインストール

Condaを使用したPython環境の設定

まず、ダウンロード速度を向上させるためにcondaのチャネルを設定します：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

次に、新しいPython環境を作成します。例えば、「deeplearning」という名前でPython 3.9の環境を作成する場合：

conda create -n deeplearning python=3.9

環境を作成した後、アクティベートして動作を確認します：

conda activate deeplearning

PyTorchとTorchvisionのインストール

PyTorchをインストールするには2つの方法があります。1つは公式サイトのコマンドを使用する方法、もう1つはローカルにwhlファイルをダウンロードしてインストールする方法です。

オフラインインストールの場合、以下のサイトからCUDAバージョンに対応したPyTorchのwhlファイルをダウンロードします：

https://download.pytorch.org/whl/torch/

次に、対応するtorchvisionのwhlファイルを以下のサイトからダウンロードします：

https://download.pytorch.org/whl/torchvision/

ダウンロード後、conda環境をアクティベートし、以下のコマンドでインストールします：

pip install ダウンロードしたファイル名.whl

インストールが完了したら、Pythonを起動してGPUが使用できるか確認します：

import torch
print(torch.cuda.is_available())

Trueが返されれば、GPUを使用したPyTorch環境が正しく構築されています。

バージョン互換性リファレンス

PyTorch	Torchvision	TorchAudio
1.9.0	0.10.0	0.9.0
1.10.0	0.11.0	0.10.0
1.11.0	0.12.0	0.11.0
1.12.0	0.13.0	0.12.0
1.13.0	0.14.0	0.13.0
2.0.0	0.15.0	2.0.0

この表は、PyTorch、Torchvision、TorchAudioの互換性のあるバージョンを示しています。環境を構築する際は、これらのバージョンの組み合わせを参考にしてください。