Skip to content

kujirahand/book-mlearn-gyomu

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 

Repository files navigation

すぐに使える!業務で実践できる!Pythonによる AI・機械学習・深層学習アプリのつくり方

このリポジトリは、下記の書籍のサンプルプログラム一覧です。

  • 書籍名: すぐに使える!業務で実践できる! PythonによるAI・機械学習・深層学習アプリのつくり方 TensorFlow2対応
  • 単行本: 414ページ
  • 出版社: ソシム (2020/10/22)
  • ISBN-10: 4802612796 (改訂前: 4802611641)
  • ISBN-13: 978-4802612791 (改訂前: 978-4802611640)

なお、書籍のAPENDIXに開発環境のセットアップについて、まとめられています。

ソースコードを取得するには?

GitHubを訪問し、画面の右上の緑色のボタン[Code]をクリックし、[Download ZIP]から、最新のソースコードをダウンロードできます。

書籍の最後に第n刷と書かれています。

なお、旧版(Tensorflow1対応版)の場合のソースコードが必要な場合は、こちらよりソースコードをダウンロードしてください。

対応ライブラリのバージョン

Ubuntu18.04用のインストールスクリプトを用意しています。

pip install --upgrade scikit-learn==0.22.2.post1
pip install --upgrade opencv-python==4.1.2.30
pip install --upgrade tensorflow-cpu==2.2.0
pip install --upgrade keras==2.4.3
pip install --upgrade flask==1.1.1
pip install --upgrade pydot==1.4.1
pip install --upgrade dlib==19.20.0

リポジトリを取得する場合

Gitでリポジトリを取得する場合、ターミナルで以下のコマンドを実行してください。

git clone https://github.com/kujirahand/book-mlearn-gyomu.git

Vagrantで環境を構築する場合 (Windows/Intel Macの場合)

以下、VagrantにUbuntuをセットアップする方法が参考になります。

Apple M1チップ搭載のMacを利用する場合 (2021/11/01追加)

ネイティブ環境にTensorflowなどをインストールすることもできます。こちらは若干インストールに手間がかかりますが、最もマシンの性能を活用できます。今後インストール方法が整備されていくと思いますが、流動的なのでこの方法は本書ではサポート対象外とさせてください。

Dockerイメージを利用して環境を作る

そこで、オススメなのが、Dockerを使う方法です。以下の記事が参考になります。

最初にDockerのM1 Mac版をインストールしてください。

そして、上記の記事にある、イメージを利用させていただきます。

# イメージをダウンロード
docker pull sonoisa/deep-learning-coding:pytorch1.6.0_tensorflow2.3.0
# コンテナを開始
cd src
docker run -it -p 8888:8888 -v `pwd`:/src sonoisa/deep-learning-coding:pytorch1.6.0_tensorflow2.3.0

Dockerが動き出したら以下のコマンドを実行して必要なソフトウェアをインストールします。または、上記の対応ライブラリより手動でソフトウェアをインストールしてください。

cd /src/vagrant
bash docker-install.sh

現状、pipでseabornがインストールできないため、Wineのサンプルでは、import seabornの一行を削除して実行してください。