wiki:misc/setup_for_ML

機械学習環境を個人用PCにセットアップする

  1. 機械学習環境を個人用PCにセットアップする
    1. WSL2のインストール
    2. python3インストール
    3. venv 設定
      1. TensorFlow 用のvenv環境準備
    4. TensorFlow インストール
      1. Jupyter Notebook, ipython のセットアップ
    5. PyTorch インストール
    6. GPyOptインストール
    7. 使い方まとめ
    8. 次のステップ

加速器機械学習フォーラムでの話題がきっかけで書きました。 初心者向けの環境構築の一例として活用いただけますと幸いです。 一般的な機械学習を学ぶ目的には Google Colaboratory を使う方がお勧めですが、自分のPCで直接機器制御をやりたいときや、外部ネットワークにつながらない環境では役立つかもしれません。

このセットアップ手順は Windows11 PCで簡単に環境を構築する例となっていますが、WSL2を除けばUbuntu環境や多くのLinux環境でそのまま使えるはずです。その場合はpython3のところから読んでください。

概略

  • WSL2+Ubuntuをインストール
  • python3をソースからインストール
  • venv 設定
  • 環境設定：以下の3パターンを紹介する。すべて入れる必要は無く、どれか１つで十分です。良くわからない場合は最後のGPyOptだけ入れて試すのが簡単です。
    • TensorFlow インストール、動作確認
    • PyTorch インストール、動作確認
    • GPyOpt インストール、動作確認
  • 使い方まとめ
  • 次のステップ

WSL2のインストール

最初に管理者権限でコマンドプロンプトを開く。wslコマンドで、インストール可能なディストリビューションを検索・確認する。 （wslコマンドが無い場合は、適当にGoogleで検索してください） 

C:\>wsl --list --online
インストールできる有効なディストリビューションの一覧を次に示します。
'wsl --install -d <Distro>' を使用してインストールします。

NAME                                   FRIENDLY NAME
Ubuntu                                 Ubuntu
Debian                                 Debian GNU/Linux
kali-linux                             Kali Linux Rolling
Ubuntu-18.04                           Ubuntu 18.04 LTS
Ubuntu-20.04                           Ubuntu 20.04 LTS
Ubuntu-22.04                           Ubuntu 22.04 LTS
OracleLinux_7_9                        Oracle Linux 7.9
OracleLinux_8_7                        Oracle Linux 8.7
OracleLinux_9_1                        Oracle Linux 9.1
SUSE-Linux-Enterprise-Server-15-SP4    SUSE Linux Enterprise Server 15 SP4
openSUSE-Leap-15.4                     openSUSE Leap 15.4
openSUSE-Tumbleweed                    openSUSE Tumbleweed

ここではUbuntu22.04をインストールすることにする。

  • case1: 初めてWSLをインストールする場合
    • PCに初めてWSLをインストールする際には「仮想マシンプラットフォーム」もインストールされるのでPCの再起動が必要です。再起動後に自動的にUbuntuのターミナルが開くはずですが、もし出ない場合はスタートメニューから手動でUbuntuのコマンドラインを立ち上げてください。 
      C:\Windows\System32>wsl --install --d Ubuntu-22.04
インストール中: 仮想マシン プラットフォーム
仮想マシン プラットフォーム はインストールされました。
インストール中: Linux 用 Windows サブシステム
Linux 用 Windows サブシステム はインストールされました。
インストール中: Ubuntu 22.04 LTS
Ubuntu 22.04 LTS はインストールされました。
要求された操作は正常に終了しました。変更を有効にするには、システムを再起動する必要があります。
  • case2
    • 2回目以降は自動的にUbuntuのターミナルが起動して、ユーザー名を入れるプロンプトが出るので、ユーザー名とパスワードを設定する。（最初は少し時間がかかるかもしれない） 
      C:\>wsl --install --d Ubuntu-22.04
インストール中: Ubuntu 22.04 LTS
Ubuntu 22.04 LTS はインストールされました。
Ubuntu 22.04 LTS を起動しています...

いずれのケースも、下のようなターミナルが出るはず。 

Installing, this may take a few minutes...
Please create a default UNIX user account. The username does not need to match your Windows username.
For more information visit: https://aka.ms/wslusers
Enter new UNIX username: obina
New password:
Retype new password:
passwd: password updated successfully
Installation successful!
To run a command as administrator (user "root"), use "sudo <command>".
See "man sudo_root" for details.

Welcome to Ubuntu 22.04.2 LTS (GNU/Linux 5.10.60.1-microsoft-standard-WSL2 x86_64)

 * Documentation:  https://help.ubuntu.com
 * Management:     https://landscape.canonical.com
 * Support:        https://ubuntu.com/advantage

This message is shown once a day. To disable it please create the
/home/obina/.hushlogin file.
obina@notepc:~$

いちおう確認 

obina@notepc:~$ cat /etc/os-release
PRETTY_NAME="Ubuntu 22.04.2 LTS"
NAME="Ubuntu"
VERSION_ID="22.04"
VERSION="22.04.2 LTS (Jammy Jellyfish)"
VERSION_CODENAME=jammy
ID=ubuntu
ID_LIKE=debian
HOME_URL="https://www.ubuntu.com/"
SUPPORT_URL="https://help.ubuntu.com/"
BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
UBUNTU_CODENAME=jammy

パッケージのアップデート。先ほど入力したパスワードを入れる 

obina@notepc:~$ sudo apt update
Hit:1 http://archive.ubuntu.com/ubuntu jammy InRelease
Get:2 http://security.ubuntu.com/ubuntu jammy-security InRelease [110 kB]
.....
Fetched 26.5 MB in 6s (4327 kB/s)
Reading package lists... Done
Building dependency tree... Done
Reading state information... Done
19 packages can be upgraded. Run 'apt list --upgradable' to see them.

obina@notepc:~$ sudo apt upgrade
Reading package lists... Done
Building dependency tree... Done
Reading state information... Done
Calculating upgrade... Done
The following packages will be upgraded:
  apt apt-utils distro-info-data git git-man libapt-pkg6.0 libglib2.0-0 libglib2.0-bin libglib2.0-data libssl3 libxml2
  openssl tzdata ubuntu-advantage-tools vim vim-common vim-runtime vim-tiny xxd
19 upgraded, 0 newly installed, 0 to remove and 0 not upgraded.
10 standard LTS security updates
Need to get 21.9 MB of archives.
After this operation, 348 kB of additional disk space will be used.
Do you want to continue? [Y/n] Y
....
obina@notepc:~$

とりあえずWSL関係はここまでで十分。

python3インストール

Ubuntu22.04にデフォルトでインストールされているpythonは/usr/bin/pythonに存在する。バージョンは 3.10.6なので古くは無いが、システムで使われることも多いのでこれとは別にインストールする方針とする。venvを使うだけならばシステム標準のpythonをそのまま使っても問題無いので、ここは好みの問題です。

/usr/localに入れると他のプログラムと干渉する可能性もあるので、 /opt/python/... 以下にインストールしていく方針としている。ここはお好みで。(EPICSを入れるときに、 /opt/epics に入れているので似たような方針とした）

Python.jpサイトでのガイドに従う [Ubuntu環境のPython: Python環境構築ガイド - python.jp](​https://www.python.jp/install/ubuntu/index.html)

pythonをビルドするために必要なパッケージをインストール 

sudo apt install build-essential libbz2-dev libdb-dev \
  libreadline-dev libffi-dev libgdbm-dev liblzma-dev \
  libncursesw5-dev libsqlite3-dev libssl-dev \
  zlib1g-dev uuid-dev tk-dev

今回はpython公式サイトから、Python3.10.11を入れる。（現時点(2023/05)の最新版はPython3.11.3ですが、これだとGPyOptがインストールできないという問題があったので少し古いバージョンを選んでいます）。

あらかじめインストール先として /opt/python/3.10.11 を作成しておく。 ownerを自分に設定することで、後の作業は一般ユーザー権限で行う。 

obina@notepc:~$ cd /opt
obina@notepc:/opt$ ls
obina@notepc:/opt$ sudo mkdir python
obina@notepc:/opt$ sudo chown obina:obina python
obina@notepc:/opt$ cd python
obina@notepc:/opt/python$ mkdir 3.10.11
obina@notepc:/opt/python$ ls
3.10.11

ホームディレクトリに戻って、作業用のディレクトリ作成。ソースをダウンロード。URLは上の公式サイトから最新のモノを探す。今回の場合は以下の通りとなった。 

obina@notepc:~$ mkdir work
obina@notepc:~$ cd work
obina@notepc:~/work$ wget https://www.python.org/ftp/python/3.10.11/Python-3.10.11.tgz
....

configureでインストール先として /opt/python/3.10.11 を指定する。

lto (Link time optimization) はリンク時間が長くなる替わりに実行速度が上がる...らしい。(自分では未検証) 

obina@notepc:~/work$ tar xzvf Python-3.10.11.tgz
obina@notepc:~/work$ cd Python-3.10.11/
obina@notepc:~/work/Python-3.10.11$ ls
Doc      LICENSE  Makefile.pre.in  Objects  Parser    README.rst  config.guess  configure.ac   setup.py
Grammar  Lib      Misc             PC       Programs  Tools       config.sub    install-sh
Include  Mac      Modules          PCbuild  Python    aclocal.m4  configure     pyconfig.h.in

obina@notepc:~/work/Python-3.10.11$ ./configure --prefix=/opt/python/3.10.11 --enable-optimizations --with-lto

obina@notepc:~/work/Python-3.10.11$ make -j8 # 並列化の数はCPU数に応じて適当に
....
obina@notepc:~/work/Python-3.10.11$ make install  # 先に make test するのが正しい姿...
....

環境設定用のスクリプトを作成。WSLの場合はユーザーが自分だけなので~/.bashrcに直接書いても良いのだが、今後pythonのバージョンによって切り分けたいこともあると思うので/opt/python以下につくっておく 

$ vi /opt/python/setup_py3.10.11.sh
export PATH=/opt/python/3.10.11/bin:$PATH

念のため確認. 上のスクリプトを source する前後で使うpythonをチェック。 

obina@notepc:~$ which python3
/usr/bin/python3
obina@notepc:~$ source /opt/python/3.10.11/setup_py3.10.11.sh
obina@notepc:~$ which python3
/opt/python/3.10.11/bin/python3

問題ない。 

obina@notepc:~$ which pip3
/opt/python/3.10.11/bin/pip3
obina@notepc:~$
obina@notepc:~$ pip3 list
Package    Version
---------- -------
pip        23.0.1
setuptools 65.5.0

[notice] A new release of pip is available: 23.0.1 -> 23.1.2
[notice] To update, run: pip3 install --upgrade pip

pip3を確認して、アップデートする 

obina@notepc:~$ pip3 install --upgrade pip
Requirement already satisfied: pip in /opt/python/3.10.11/lib/python3.10/site-packages (23.0.1)
Collecting pip
  Downloading pip-23.1.2-py3-none-any.whl (2.1 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.1/2.1 MB 24.4 MB/s eta 0:00:00
Installing collected packages: pip
  Attempting uninstall: pip
    Found existing installation: pip 23.0.1
    Uninstalling pip-23.0.1:
      Successfully uninstalled pip-23.0.1
Successfully installed pip-23.1.222.3.1
Successfully installed pip-23.1.2

これで基本環境はOK。次はvenvを使って個別のパッケージを入れていく。

venv 設定

次にTensorFlowやPyTorchを入れていく。それぞれでnumpyのバージョンなど、要求されるものが異なることが多いため別の仮想環境を作る方が良い。

ここではvenvを使うのでその設定を行う

基本方針： ホームディレクトリ直下に ".venv" というディレクトリを作成。 ~/.venv/以下に個別の仮想環境用のディレクトリを作成していく。 例えば

  • TensorFlow用は ~/.venv/tf2.12
  • PyTorch用は ~/.venv/torch2.0
  • GPyOpt用は ~/.venv/gpyopt

のような感じでディレクトリを作っていく方針とする。

仮にあとで仮想環境を消したいときにはディレクトリ(上の例ではtf2.12とかtorch2.0とか)を削除すれば良いだけ。本当は~/.venvの下に作る必要は無く、どのディレクトリでも良いし隠しディレクトリである必然性も無いが、慣例に従う。 python.jpサイトの仮想環境構築ガイド

今回はvenv以下に入れているがそもそも /opt/python/xxxx 以下に入れている「本体」に直接パッケージを入れても構わない。 よく使うソフトやバージョンが決まっている場合はその方が単純。

TensorFlow 用のvenv環境準備

まずはTensorFlowのバージョンを確認 [tensorflow・PyPI](​https://pypi.org/project/tensorflow/) をみると、python3.11に対応したTF2.12.0があることがわかる → venv名称をtf2.12とする方針とする

ファイル名を確認する ​https://pypi.org/project/tensorflow/#files をみると、 tensorflow-2.12.0-cp311-cp311-manylinux_2_17_x86_64....whl というファイルがあるのでCPython3.11に対応しているようだ。

使用するpythonの場所が/opt以下であることを確認してから、venvを構築。このときに指定する名前がプロンプトの先頭に付くので、あまり長い名前を付けると面倒かもしれない（jupyter notebookを使うことが前提ならあまり気にならないが） 

obina@notepc:~$ which python3
/opt/python/3.10.11/bin/python3
obina@notepc:~$ python3 -m venv ~/.venv/tf2.12

念のためディレクトリを確認 

obina@notepc:~$ ls ~/.venv/tf2.12/
bin  include  lib  lib64  pyvenv.cfg
obina@notepc:~$ ls ~/.venv/tf2.12/bin/
Activate.ps1  activate  activate.csh  activate.fish  pip  pip3  pip3.10  python  python3  python3.10

仮想環境を起動; これ以降はプロンプトの先頭に (tf2.12)が付く 

obina@notepc:~$ source ~/.venv/tf2.12/bin/activate
(tf2.12) obina@notepc:~$

終了するのは"deactivate"コマンドで良い 

(tf2.12) obina@notepc:~$ which python3
/home/obina/.venv/tf2.12/bin/python3
(tf2.12) obina@notepc:~$ which pip
/home/obina/.venv/tf2.12/bin/pip
(tf2.12) obina@notepc:~$ deactivate
obina@notepc:~$
obina@notepc:~$ which python3
/opt/python/3.10.11/bin/python3

TensorFlow インストール

例によって(念のため)使うpipの在処を確認しておく 

obina@notepc:~$ source ~/.venv/tf2.12/bin/activate    # venv環境を開始

(tf2.12) obina@notepc:~$ which pip3
/home/obina/.venv/tf2.12/bin/pip3
(tf2.12) obina@notepc:~$ pip3 install --upgrade pip  # pipの更新
.....
Successfully installed pip-23.1.2
(tf2.12) obina@notepc:~$ pip3 list
Package    Version
---------- -------
pip        23.1.2
setuptools 65.5.0

(tf2.12) obina@notepc:~$ pip3 install tensorflow
.....
Successfully installed MarkupSafe-2.1.2 absl-py-1.4.0 astunparse-1.6.3 cachetools-5.3.0 certifi-2023.5.7 charset-normalizer-3.1.0 flatbuffers-23.3.3 gast-0.4.0 google-auth-2.17.3 google-auth-oauthlib-1.0.0 google-pasta-0.2.0 grpcio-1.54.0 h5py-3.8.0 idna-3.4 jax-0.4.8 keras-2.12.0 libclang-16.0.0 markdown-3.4.3 ml-dtypes-0.1.0 numpy-1.23.5 oauthlib-3.2.2 opt-einsum-3.3.0 packaging-23.1 protobuf-4.23.0 pyasn1-0.5.0 pyasn1-modules-0.3.0 requests-2.30.0 requests-oauthlib-1.3.1 rsa-4.9 scipy-1.10.1 six-1.16.0 tensorboard-2.12.3 tensorboard-data-server-0.7.0 tensorflow-2.12.0 tensorflow-estimator-2.12.0 tensorflow-io-gcs-filesystem-0.32.0 termcolor-2.3.0 typing-extensions-4.5.0 urllib3-2.0.2 werkzeug-2.3.4 wheel-0.40.0 wrapt-1.14.1
(tf2.12) obina@notepc:~$

これだけでOK.次に動作確認は公式サイトにあるコマンドで、 

(tf2.12) obina@notepc:~$ python3
>>>
>>> import tensorflow as tf
....(((いろいろとwarning)))....
>>>
>>> print(tf.reduce_sum(tf.random.normal([1000, 1000])))
tf.Tensor(-182.7671, shape=(), dtype=float32)
>>> print(tf.reduce_sum(tf.random.normal([1000, 1000])))
tf.Tensor(-268.51474, shape=(), dtype=float32)

とりあえず動く。

もう１つ、kereasを使ったサンプル。 ​https://www.tensorflow.org/tutorials/quickstart/beginner をそのまま実行 

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)

評価結果をみる 

>>> model.evaluate(x_test, y_test)
313/313 [==============================] - 0s 778us/step - loss: 0.0758 - accuracy: 0.9757
[0.07577536255121231, 0.9757000207901001]

ちゃんと学習出来ているので、インストール自体は問題なさそう。

Jupyter Notebook, ipython のセットアップ

次に、利便性のためにipythonやjupyter notebookを入れておく; 依存関係もあるがまとめてnotebookを入れるのが簡単。詳しくは ​https://jupyter.org/install を参照。あわせて matplotlib も入れておく 

(tf2.12) obina@notepc:~$ pip3 install notebook matplotlib
....
(tf2.12) obina@notepc:~$ which ipython3
/home/obina/.venv/tf2.12/bin/ipython3
(tf2.12) obina@notepc:~$ 
(tf2.12) obina@notepc:~$ ipython3 --nosep
IPython 8.13.2 -- An enhanced Interactive Python. Type '?' for help.
In [1]:

ipythonが起動するので問題なし。

Jupyterノートブックの起動。デフォルトではOS内のブラウザを立ち上がようとしてしまうので、--no-browserオプションを付けて起動し、Windows側のブラウザで接続する。 

(tf2.12) obina@notepc:~$ jupyter notebook --no-browser
[I 21:30:41.014 NotebookApp] Writing notebook server cookie secret to /home/obina/.local/share/jupyter/runtime/notebook_cookie_secret

  _   _          _      _
 | | | |_ __  __| |__ _| |_ ___
 | |_| | '_ \/ _` / _` |  _/ -_)
  \___/| .__/\__,_\__,_|\__\___|
       |_|

Read the migration plan to Notebook 7 to learn about the new features and the actions to take if you are using extensions.

https://jupyter-notebook.readthedocs.io/en/latest/migrate_to_notebook7.html

Please note that updating to Notebook 7 might break some of your extensions.

[I 21:30:41.133 NotebookApp] Serving notebooks from local directory: /home/obina
[I 21:30:41.133 NotebookApp] Jupyter Notebook 6.5.4 is running at:
[I 21:30:41.133 NotebookApp] http://localhost:8888/?token=50b97522fe665b6862193efe85be7fe5c703dcbe13116e45
[I 21:30:41.133 NotebookApp]  or http://127.0.0.1:8888/?token=50b97522fe665b6862193efe85be7fe5c703dcbe13116e45
[I 21:30:41.133 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[C 21:30:41.135 NotebookApp]

    To access the notebook, open this file in a browser:
        file:///home/obina/.local/share/jupyter/runtime/nbserver-19189-open.html
    Or copy and paste one of these URLs:
        http://localhost:8888/?token=50b97522fe665b6862193efe85be7fe5c703dcbe13116e45
     or http://127.0.0.1:8888/?token=50b97522fe665b6862193efe85be7fe5c703dcbe13116e45

と出るので、Windowsで起動したブラウザに上のURLを貼り付ける。ブラウザで動くことを確認。たとえばこんな感じで。

このとき入力したコマンドは 

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5,5)
y = x**3

plt.plot(x, y, 'bo-')
plt.grid(True)

※ Notebook 7 なるものがあるとは知らなかった....

再掲：venv環境を抜けるのはdeactivate コマンドで終了するか、システムから抜ける。

PyTorch インストール

最初に　venv 環境を設定する。上の作業と続けるには deactivate してからおこなうこと。

どのpythonを使っているのかを確認してから。ベースとなるpythonは /opt/python 以下のものであること確認してから venv を作成する。 

obina@notepc:~$ which python3
/opt/python/3.10.11/bin/python3
obina@notepc:~$ python3 -m venv ~/.venv/torch2.0
obina@notepc:~$ source ~/.venv/torch2.0/bin/activate
(torch2.0) obina@notepc:~$

次に、venv環境内にPyTorchをインストールする。やはり公式サイトからスタート ​https://pytorch.org/get-started/locally/ PyTorchのOSやバージョン、GPUの有無などを選択。

ここではGPUが無い環境なので 

PyTorch Build: Stable(2.0.1)
Your OS: Linux
Package: Pip
Language: Python
Compute Platform: CPU

を選択する。コマンドは 

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

となったので、これをいれる。

ここからは先ほどと同様にpipの更新を行った後で、torch入れる。 

(torch2.0) obina@notepc:~$ which pip
/home/obina/.venv/torch2.0/bin/pip
(torch2.0) obina@notepc:~$ pip install --upgrade pip
....
Successfully installed pip-23.1.2
(torch2.0) obina@notepc:~$ 
(torch2.0) obina@notepc:~$ pip list
Package    Version
---------- -------
pip        23.1.2
setuptools 65.5.0


(torch2.0) obina@notepc:~$ pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
....
Installing collected packages: mpmath, urllib3, typing-extensions, sympy, pillow, numpy, networkx, MarkupSafe, idna, filelock, charset-normalizer, certifi, requests, jinja2, torch, torchvision, torchaudio
Successfully installed MarkupSafe-2.1.2 certifi-2022.12.7 charset-normalizer-2.1.1 filelock-3.9.0 idna-3.4 jinja2-3.1.2 mpmath-1.2.1 networkx-3.0 numpy-1.24.1 pillow-9.3.0 requests-2.28.1 sympy-1.11.1 torch-2.0.1+cpu torchaudio-2.0.2+cpu torchvision-0.15.2+cpu typing-extensions-4.4.0 urllib3-1.26.13

動作確認 

(torch2.0) obina@notepc:~$ python
>>>
>>> import torch
>>> x = torch.rand(5,3)
>>> print(x)
tensor([[0.1193, 0.9816, 0.3111],
        [0.8966, 0.0651, 0.5655],
        [0.5590, 0.1083, 0.6464],
        [0.7477, 0.3680, 0.5885],
        [0.8389, 0.1438, 0.8069]])
>>>

問題無さそう。あとはチュートリアルから適当に選んで動作確認すれば良い。

​https://pytorch.org/tutorials/beginner/basics/quickstart_tutorial.html

あとはjupyter notebook, matplotlib, plotly, seabornなど、お好みで。 お手軽に使うには ax-platformを入れるのも楽。

※ PyTorchでは numpy 1.24.1, TensorFlowでは 1.23.5 を使用している

ここではサンプルとして、BoTorch, Ax を入れる。notebook, matplotlibもまとめて入れてしまう。 

(torch2.0) obina@notepc:~$ pip install botorch ax-platform notebook matplotlib

BoTorchのgetting startedを実行 ​https://botorch.org/docs/getting_started

乱数でデータを作成 

import torch
from botorch.models import SingleTaskGP
from botorch.fit import fit_gpytorch_mll
from gpytorch.mlls import ExactMarginalLogLikelihood

train_X = torch.rand(10, 2)
Y = 1 - (train_X - 0.5).norm(dim=-1, keepdim=True)  # explicit output dimension
Y += 0.1 * torch.rand_like(Y)
train_Y = (Y - Y.mean()) / Y.std()

続いてガウス過程モデル(SingleTaskGP)を定義し、周辺尤度最大化(ExactMarginalLongLikelihood?) によってカーネルパラメータを推定します。 

gp = SingleTaskGP(train_X, train_Y)
mll = ExactMarginalLogLikelihood(gp.likelihood, gp)
fit_gpytorch_mll(mll);

獲得関数としてUCBを使う 

from botorch.acquisition import UpperConfidenceBound
UCB = UpperConfidenceBound(gp, beta=0.1)

最適化 

from botorch.optim import optimize_acqf

bounds = torch.stack([torch.zeros(2), torch.ones(2)])
candidate, acq_value = optimize_acqf(
    UCB, bounds=bounds, q=1, num_restarts=5, raw_samples=20,
)

結果表示 

print(candidate)

そのほか、簡単に確認するにはAxのサンプルを実行するのも良いだろう [Ax ・ Adaptive Experimentation Platform](​https://ax.dev/)

GPyOptインストール

先にいくつかの注意点のみ記載しておく。

  • python3.11ではコンパイルできないので python3.10を使用する(3.10->3.11でlongintrepr.hが無くなったことに起因)
  • numpy, matplotlibのバージョン指定が必要
  • venv でGPyOpt用の環境を作成して TensorFlow/PyTorchと分離するのが簡単
  • venvのなかで $ pip install GPyOpt numpy==1.23.1 notebook matplotlib==3.1.3 でOK

先ほどと同様に、~/.venv/gpyopt を作成してく方針とする。 

obina@notepc:~$ which python3
/opt/python/3.10.11/bin/python3
obina@notepc:~$ python3 -m venv ~/.venv/gpyopt
obina@notepc:~$ source ~/.venv/gpyopt/bin/activate
(gpyopt) obina@noteppc:~$

pipをupdateした後で、GPyOptを入れる 

(gpyopt) obina@notepc:~$ pip install --upgrade pip
...
(gpyopt) obina@notepc:~$ pip install GPyOpt numpy==1.23.1 notebook matplotlib==3.1.3
...

notebookのエンジンをブラウザ無しで起動する 

(gpyopt) obina@notepc:~$ jupyter notebook --no-browser
....
    Or copy and paste one of these URLs:
        http://localhost:8888/?token=91bde12e208d9c0fc57a9e23ee78264f5da132cee93f0d09

最後に出てくる http://... URLをPCのブラウザで開く。

ここではサンプルとして、加速器学会の例 ​https://www.pasj.jp/web_publish/pasj2021/proceedings/PDF/WEOB/WEOB03_oral.pdf をそのまま実行する。 

import numpy as np
import GPy
import GPyOpt

def targ_func(x):
    val = np.cos(2.3*x) + 0.5*x
    return val

#__main__
bounds = [{'name': 'x', 'type': 'continuous', 'domain': (0,10)}]

# ベイズ推定用のオブジェクト作成
myBopt = GPyOpt.methods.BayesianOptimization(f=targ_func,
                                             domain=bounds,
                                             initial_design_numdata=5,
                                             acquisition_type='LCB')

# 最適化実行
myBopt.run_optimization(max_iter=15)

# 結果表示
print(myBopt.x_opt, myBopt.fx_opt)

# プロット
myBopt.plot_acquisition()
myBopt.plot_convergence()

Notebookの様子はこんな感じ

LCBを使った場合の結果

EIを使った場合の結果

使い方まとめ

venvを使ってTensorFlow, PyTorch?, GPyOpt を使い分ける環境を設定した。これは環境によって要求されるnumpy等のバージョンが異なることに対応することが目的である。 使うモノが決まっている場合には元々のpython環境にインストールするのが簡単。

使うときには、それぞれ

  • source ~/.venv/tf2.12/bin/activate
  • source ~/.venv/torch2.0/bin/activate
  • source ~/.venv/gpyopt/bin/activate

を実行するだけで良い。終了時には "deactivate" コマンドで抜ける。

参考のため、それぞれの環境で pip freeze した結果を添付しておく

次のステップ

次に読むと良いもの

ここから先はまだ書いていない

  • GPU環境 (CUDA)でのセットアップ例
  • EPICS連携
Last modified 7 months ago Last modified on 09/15/23 10:59:29

Attachments (14)

Download all attachments as: .zip