「初心者でも10分！」Jupyter Notebook＆ディープラーニング環境構築

2025年2月23日 最終更新日時 : 2025年2月23日 Takamizawa

STEP 1: 必要なソフトウェアを準備

ディープラーニング環境を構築するには、まず必要なソフトウェアをインストールします。
今回の方法では 「最小限の手順」 でセットアップできるように、以下の2つを使用します。

✅ 1-1. Python（Miniconda）をインストール

Pythonの環境管理を簡単にするために、Miniconda を使います（Anacondaの軽量版）。
公式サイトから Windows版のMiniconda（64-bit） をダウンロードしてインストールしましょう。

👉 Minicondaのダウンロード:
https://docs.conda.io/en/latest/miniconda.html

🔧 インストール手順

  1. 上記リンクから 「Miniconda3 Windows 64-bit」 をダウンロード
  2. ダウンロードした Miniconda3-latest-Windows-x86_64.exe を実行
  3. 「Just Me (recommended)」を選択し、「Next」
  4. 「Add Miniconda3 to PATH」にチェックを入れない（重要！）
  5. 「Register Miniconda3 as the default Python 3.○○」にチェックを入れる
  6. 「Install」をクリックし、インストールが完了したら「Finish」

✅ インストール確認（コマンドプロンプトで実行）

インストールが完了したら、コマンドプロンプト（cmd） を開き、以下のコマンドを入力してください。

conda --version

✔ 正しくインストールされていれば、conda 23.1.0 のように バージョン情報 が表示されます！🎉

✅ 1-2. NVIDIA GPUを使う場合（CUDAの確認とインストール）

もしNVIDIAのGPUを搭載しているPCを使っている場合は、CUDAを利用して高速処理が可能 です。
以下の手順で、CUDAが利用できるかを確認しましょう。

🔍 GPUの有無を確認する（コマンドプロンプトで実行）

nvidia-smi

✔ NVIDIA-SMI x.x.x という情報が表示されれば、GPUが認識されています！✨
✔ もし command not found などのエラーが出た場合は、CUDAをインストールする必要があります。

🛠 CUDAとcuDNNのインストール（必要な場合のみ）

👉 CUDAのダウンロード:
https://developer.nvidia.com/cuda-downloads

👉 cuDNNのダウンロード:
https://developer.nvidia.com/cudnn

  1. 上記のサイトから CUDA 11.x（推奨）をダウンロード＆インストール
  2. CUDAに対応した cuDNN もインストール（TensorFlowやPyTorchで必要）
  3. 環境変数（PATH）にCUDAのパスを追加（公式ドキュメント参照）

💡 CPUのみで動かす場合は、この手順はスキップOK！

STEP 2: Python仮想環境の作成

Pythonの環境を整えるために、仮想環境 を作成します。
仮想環境を使うことで、他のPythonプロジェクトと環境を分けることができ、設定ミスを防げます。

✅ 2-1. コマンドプロンプトを開く

まず、Windowsのコマンドプロンプト（cmd） を開きます。

Windowsキー + R → cmd と入力 → Enter で開けます！

✅ 2-2. 仮想環境の作成

以下のコマンドを コピペで実行 してください（環境名は dl-env にしています）。

conda create -n dl-env python=3.9 -y

✔ これで Python 3.9 を使った仮想環境 dl-env が作成されます！🎉

💡 Pythonのバージョンについて

  • 最新の Python 3.12 は一部のディープラーニングライブラリが対応していないことがあるため、 3.9 or 3.10 を推奨！

✅ 2-3. 仮想環境を有効化する

作成した仮想環境を 有効化 するには、以下のコマンドを実行します👇

conda activate dl-env

✔ (dl-env) という表示がコマンドの先頭につけばOK！
（例：(dl-env) C:\Users\YourName>）

✅ 2-4. Pythonとpipのバージョン確認

仮想環境が正しく設定されたか確認しましょう👇

python --version
pip --version

✔ Python 3.9.x のように表示されれば成功！✨
✔ pip 23.x.x などのバージョンが表示されればOK！

STEP 3: Jupyter Notebook のインストール

ここでは、Jupyter Notebook をインストールして、すぐに使える状態にします。

✅ 3-1. 仮想環境をアクティブにする

まず、仮想環境 dl-env が有効になっていることを確認してください。

もし (dl-env) の表示がない場合は、以下のコマンドを実行して仮想環境を有効化します👇

conda activate dl-env

✔ (dl-env) の表示が出ていればOK！

✅ 3-2. Jupyter Notebook のインストール

仮想環境内に Jupyter Notebook をインストールします。
以下のコマンドをコピペで実行してください👇

pip install jupyter

✔ 数十秒でインストールが完了します！✨

念のため、インストールが成功したか確認しましょう👇

jupyter --version

✔ jupyter core : 5.x.x のように表示されればOK！🚀

✅ 3-3. Jupyter Notebook を起動する

インストールが完了したら、早速Jupyter Notebookを起動してみましょう！👇

jupyter notebook

✔ 実行すると ブラウザが自動で開き、Jupyter Notebookの画面 が表示されます！

もしブラウザが開かない場合は、以下のURLを手動で開いてください👇

http://localhost:8888/tree

🚀 Jupyter Notebook が正しく動けば、インストール成功です！ 🎉

STEP 4: ディープラーニング関連ライブラリをインストール

Jupyter Notebookが使えるようになったので、次は ディープラーニングに必要なライブラリ（TensorFlow または PyTorch）をインストール します！

💡 どちらを使うか決めていない場合 は、「PyTorch」がおすすめ！
軽量で学習向きなため、初心者にも扱いやすいです！🚀

✅ 4-1. 仮想環境をアクティブにする

まず、仮想環境 dl-env をアクティブにします👇

conda activate dl-env

✔ (dl-env) の表示が出ていればOK！

✅ 4-2. TensorFlow をインストール（TensorFlowを使いたい場合）

TensorFlowを使いたい場合は、以下のコマンドを実行してください👇

🔹 CPU版（誰でもOK）

pip install tensorflow

🔹 GPU版（NVIDIAのGPUがある場合）

pip install tensorflow tensorflow-gpu

✔ インストール後、以下のコマンドで動作確認をしてください👇

python -c "import tensorflow as tf; print(tf.__version__)"

✔ 2.x.x のように バージョン情報 が表示されれば成功！🎉

✅ 4-3. PyTorch をインストール（PyTorchを使いたい場合）

PyTorchを使いたい場合は、以下のコマンドを実行してください👇

🔹 CPU版（誰でもOK）

pip install torch torchvision torchaudio

🔹 GPU版（NVIDIAのGPUがある場合）

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

✔ インストール後、以下のコマンドで動作確認をしてください👇

python -c "import torch; print(torch.__version__)"

✔ 2.x.x のように バージョン情報 が表示されれば成功！🚀

STEP 5: Jupyter Notebook で動作確認

ここまでの手順で、Jupyter Notebook とディープラーニング関連ライブラリ（TensorFlow / PyTorch）のインストールが完了しました！
最後に、Jupyter Notebook 上で実際に動作確認 を行いましょう！🚀

✅ 5-1. Jupyter Notebook を起動する

まず、仮想環境 dl-env をアクティブにして、Jupyter Notebook を起動します👇

conda activate dl-env
jupyter notebook

✔ 実行すると ブラウザが開き、Jupyter Notebook の画面 が表示されます！

✅ 5-2. 新しいノートブックを作成する

  1. 「New」 → 「Python 3」 を選択（新しいノートブックを開く）
  2. 開いたノートブックのセルに以下のコードを入力

✅ 5-3. TensorFlow の動作確認（TensorFlow をインストールした人向け）

ノートブックのセルに以下のコードを入力し、「Shift + Enter」 で実行👇

import tensorflow as tf
print("TensorFlow version:", tf.__version__)
print("Num GPUs Available:", len(tf.config.experimental.list_physical_devices('GPU')))

✔ TensorFlow version: 2.x.x と表示されればOK！
✔ Num GPUs Available: 1 なら GPUが使える状態！ 🚀
✔ Num GPUs Available: 0 の場合は CPUモード で動作中（問題なし）

✅ 5-4. PyTorch の動作確認（PyTorch をインストールした人向け）

ノートブックのセルに以下のコードを入力し、「Shift + Enter」 で実行👇

import torch
print("PyTorch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())
print("GPU Name:", torch.cuda.get_device_name(0) if torch.cuda.is_available() else "No GPU")

✔ PyTorch version: 2.x.x と表示されればOK！
✔ CUDA available: True なら GPUが使える状態！ 🚀
✔ CUDA available: False なら CPUモード で動作中（問題なし）

まとめ：環境構築完了！ 🎉

これで Windows 11 で Jupyter Notebook を使ったディープラーニング環境の構築が完了 しました！🚀

💡 次のステップ:

  • 簡単なディープラーニングモデルを試してみる！
  • Google Colab との違いを学ぶ！
  • 実際にデータを使って学習させてみる！

👉 環境構築がうまくいかなかった場合 は、「エラーメッセージ」をコピーして検索すると解決策が見つかることが多いです！

カテゴリー
AI

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

前の記事
DifyAIの基本的な使い方と導入事例
2025年2月22日
次の記事
Laravel 10 + Breezeで簡単ログイン機能を実装！初心者向けガイド
2025年2月24日