弊社CTOがお勧めする機械学習用Python環境 1

弊社のCTO兼専務は現在の機械学習のブームが来る前から機械学習をやっている。そんなCTOがお勧めするPython環境を作ってみた。まずは説明から。

機械学習・pythonテスト開発環境

仮想OS上にテスト開発環境を構築

Pythonの実行環境がやや複雑でOS依存も強いため

• pyenv+pipenvの環境構築
• pyenv+pipenv上で必須ライブラリのインストール

実際の機械学習環境は直接unbuntu18.04をインストールして構築

Jupyter Notebookでマイクロコードのテスト環境構築

• データの可視化が容易なのでモジュール以下の単位でテストがしやすい。
• Google ColabはJupyer Notebookと各種Googleサービスを組み合わせた仮想インスタンス

仮想化ソフトウェアと機械学習基盤のOS

仮想化ソフトウェアの要件

機械学習インフラ構築のテスト環境用なのでなんでもよい。 VPSでも可。機械学習インフラでWebシステムを利用することが多いのでポート開放ができるとよい。

代表的な仮想化ソフトウェア

省略。今回はVMware Workstation Playerにした。

機械学習基盤のOS

Ubuntu18.04にしましょう
機械学習界隈の開発や実行環境は現状Ubuntu18.04上でテストされているものが多く問題が起きにくい。

Python実行環境

Pythonの実行と開発の注意点

Windows系とLinux系で実行環境の構築方法が大きく異なる。

• なのでLinux系VM上に開発環境を作ることを強く推奨

Pythonの開発周りは依然発展途上

• ライブラリの依存関係処理がようやくできるようになった
• パッケージ化が面倒
• 単一ディレクトリでのパッケージ化が推奨されている
• 階層的なパッケージ化が面倒なためスクリプトも長くなりがち

pyenv+pipenv実行環境

pyenv（ https://github.com/pyenv/pyenv ）

• Python本体のバージョン切り替えを提供

github.com

Pipenv（ https://github.com/pypa/pipenv ）

• ディレクトリ毎のpython仮想実行環境とライブラリ依存関係の管理
• Nodejsで言うnpmやyarn相当

github.com

インストール手順参考

qiita.com
Pythonの3.8以降であれば新しいバージョンで読み替えてください。基本的に前述のgithubのinstall手順準拠で書かれていますが、可能であれば大元の公式ページの手順で進めてください。

 今回はここまで。

scikit-learn、Keras、TensorFlowによる実践機械学習 第2版