はじめに ちょいちょいDockerコンテナからGPUカードを利用する機会があるのだが、、、動作確認Codeを都度調べて実行しています。 が、Google先生で都度調べるのが面倒になってきたので、備忘録として本記事を投稿します。 本稿で紹介すること 以下、手元PC環境（Windows11）に施してゆきます。 PyTorchでよく使う動作確認Code 筆者は、Windows 11のホスト上でWSL2／Ubuntuを起動しています。 更に、UbuntuでDockerコンテナを起動しています。 一応、GPUカード（NVIDIA GeForce GTX 1660 SUPER）が搭載されています。 Windows 11 Ver.22H2 (Build. 23424.1000) WSL 1.2.5.0 Ubuntu 20.04.5 LTS NVIDIA グラフィックスドライバー v532.03 PyTo

はじめに PCを新調し，今までの環境を構築するにあたり，最新のpystanはwindowsに対応しておらず，導入に苦労したので備忘録も兼ねて記しておきます．なお，anacondaが入っていることが前提で話しを進めます．また，私はCPUがRyzenのため，その影響を受けている可能性もあります． もっとスマートなやり方がある場合は，コメントなどで指摘してくれると嬉しいです． 0.動作環境

はじめに WSL2（Windows Subsystem for Linux 2）は、Microsoft Windows上でLinuxカーネルを直接実行できるようにする機能です。 この記事ではWSL2環境にDockerを導入しGPUを用いた機械学習環境を構築する手順を紹介します。 構築イメージは以下の図の通りです。NvidiaGPUを搭載したマシンにWSL2環境を構築します。Dockerを用いてコンテナを用意し、CUDAは各コンテナ内のCUDA Toolkitを用いて利用します。 今回開発するPCのスペックは以下の通りです。 Windows 11 Windows version: 22H2 GPU：NVIDIA Geforce RTX 3060 12GB 設定 1. WSL2を有効化 デフォルトではWSL2環境が無効化されている可能性があるので、始めに有効化しておきましょう。 「コントロール

Ubuntu 20.04のPythonのバージョンは3.8です。 事情があってPython 3.7が必要だったので、ソースからビルドしてインストールしてみました。 準備 sudo apt install build-essential -y sudo apt install libssl-dev zlib1g-dev libncurses5-dev libncursesw5-dev libreadline-dev libsqlite3-dev -y sudo apt install libgdbm-dev libdb5.3-dev libbz2-dev libexpat1-dev liblzma-dev libffi-dev uuid-dev -y wget https://www.python.org/ftp/python/3.7.10/Python-3.7.10.tgz tar zxv

データサイエンティストの書くコードは汚い あなたはデータサイエンティストでしょうか？この記事ではデータサイエンティストが学んでおくべきソフトウェア開発技法のうち、筆者が特に重要と考えることについて実践的に学んでいきます。 あなたがデータサイエンティストという肩書きで働いている場合、あなたが書いているコードは汚い可能性が高いでしょう。どう汚いかというと、ソフトウェアエンジニアにコードをそのまま渡し、ソフトウェアやシステムに組み込んでくれと頼んだ場合、まず間違いなく嫌な顔をされます。ソフトウェアエンジニアからデータサイエンティストに転向した人は大丈夫でしょう。この記事で学ぶことはありません。 データサイエンティストという職業は、Pythonをゴリゴリと書くエンジニアっぽい人もいれば、BIツール等を駆使するコンサルタントっぽい人もいると思います。この記事では、前者のエンジニアっぽいデータサイエン

1．venvとは？ 2．仮想環境の作り方・venvの使い方 Windows、Mac、LinuxなどのOSに関係なく、Pythonでプログラムを作成する際は「仮想環境」を作成した上で 作業することが勧められています。 Python初学者向けに仮想環境が必要な理由、作成・実行方法などを、WindowsとMac両方のパターンでご紹介します。 1．venvとは？ Pythonで仮想環境といえば標準モジュールの「venv」が有名です。仮想環境や「venv」についてご紹介します。 ①Pythonの仮想環境とは Pythonの「仮想環境」とは、システムにあるPythonの環境とは別の実行環境のことをいいます。 わざわざ仮想的な空間（エリア）を用意する目的としては、 ・システムのPython環境は変えたくない ・ひとつのシステム内で異なるPythonの環境（違うバージョンなど）を実行したい ・プロジェクト

前回、仮想環境を作成しましたが、気がつけば Cドライブの容量が厳しくなってきていたので Dドライブに作成するようにしました。 Contents まずは現在のディレクトリを確認 新しいディレクトリを追加する 1. まずは現在のディレクトリを確認 仮想環境を作成したときに保存されるディレクトリは、下記のコマンドで、.condarcファイル内のenvs_dirsという設定値を確認できます。 conda config --show envs_dirs コマンドを実行すると、有効なディレクトリが表示されます。 ここで使用しているconda configというコマンドは.condarcファイル内の設定値を変更するコマンドになります。 2. 新しいディレクトリを追加する 次に、この設定値のリストへ新しく使用したいディレクトリを追加します。 conda config --add envs_dirs D:\

GitBook は Markdown形式のファイルからドキュメントを作成するツールです．HTML形式，PDF形式，EPUB形式，MOBI形式を作成することができます． 本記事での動作環境は Windows とします． 過去に以下の記事を書きました． MkDocsによるドキュメント作成 DoxygenによるMarkdown形式からのドキュメント作成 それぞれメリット・デメリットがあります．今回の GitBook は最終的に PDF 出力が出来て，そこそこ体裁が整っているのが最大の魅力だと思います． 📌 gitbook-cli GitBook はクラウドサービスですが，GitBookの機能をコマンドラインから操作できるツール gitbook-cli があります．これを使用してオフラインでも GitBook を使ってドキュメントを作成します． 📌 環境構築 Miniconda (Anacon

最初に タイトルでだいぶハードルをあげてしまった気がしますが、どうか暖かい目で見てくださると幸いです。 Pythonの環境自分だったらこんな感じの構成にしてます。 という事です。 他にも環境構築の仕方は色々あると思うので、「こんな方法もあるよ」など教えて頂けると嬉しいです。 昔は「エラー」が出るとどうしてそうなったのか調べて分からないまま何日も過ごしてしまい。結局、スタックオーバーフロー等のコミュニティに助けを求めてました。 そこで解決すればいいのですが、中には環境依存だったり、何かの拍子でインストールしたパッケージと組み合わせが悪かったり、全てのエラーを潰していくにはシステム内部に精通してないとても時間がかかりそうな物もあったりします。 最近はそんなマニアックなエラーを調べるくらいなら、いっそ環境を壊して新しく作り直してまっさらな状態にして、それでもエラーが出るなら調べようスタンスでやっ