機械学習のフレームワークTensorflowを試す1 - 環境構築 -

やっと重い腰を上げて機械学習をやってみようかと思います^^;

2015年はよく目にしていた人工知能/機械学習/ディープラーニングですが、
(※以前オススメの書籍でも紹介しましたが、読んで満足してそれっきりです・・)
難しそうなイメージで後回しにしてましたが、何はともあれやってみよう!!と・・
いつものようにトライ&エラーでやってみたいと思います。

まず上で出てきたキーワードですが、違いをはっきり理解する為に調べてみました。
Wikipediaによると・・

• 機械学習
  人工知能における研究課題の一つで、人間が自然に行っている学習能力と同様の機能をコンピュータで実現しようとする技術・手法のことである。
• ディープラーニング
  多層構造のニューラルネットワークの機械学習の事
• 人工知能
  人工的にコンピュータ上などで人間と同様の知能を実現させようという試み、或いはそのための一連の基礎技術を指す。

となっています。人工知能の中の機械学習という分野があって、機械学習の中にディープラーニングがあるといった事ですね。

Tensorflow

---

Tensorflow

実際に機械学習をやってみるんですが、現在機械学習のフレームワークが複数存在してます。(TensorFlow, Caffe, Chainer・・など)

今回はその中でTensorflowに挑戦してみたいと思います。

Tensorflowとは?

2015年11月にオープン化されたGoogleの機械学習ライブラリ
Googleのサービスでも使われている。

特徴としてはdata flow graphsというものを使って処理され
CPUでもGPUでも走り、PythonやC++でも書ける。

環境構築

---

MacOS(El Capitan)への環境構築となります。
公式ページの通りに進めていきたいと思います。

• Pip インストール
  Pythonのパッケージマネージャであるpipをインストールします。

$ sudo easy_install pip

• Virtualenv インストール
  仮想のPython実行環境を作成してくれるVirtualenvをインストールします。

$ sudo pip install --upgrade virtualenv

• Virtualenv環境作成

$ virtualenv --system-site-packages <特定のディレクトリ>
$ source <特定のディレクトリ>/bin/activate

• Tensorflowをインストール

$ pip install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0-py2-none-any.whl

テスト

---

それではちゃんと環境構築されたかテストしてみたいと思います。
pythonコマンドを実行しインタラクティブモードで以下を実行します。

$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>> exit()

上の様に表示されればOKです。