山ノ内勇斗 | Hayato M. Yamanouchi

タグ: インストール

SLEAPのインストール方法[2024年2月更新]
SLEAPという機械学習を用いた動物の身体部位のトラッキングツールのインストール方法について書いていきたいと思います。

DeepLabCutがトラッキングツールとして最もメジャーであり僕自身も過去にインストール方法について書いたり、他の人が多くの記事を残してくれています。

しかし、SLEAPについては日本語での記事は少ないのが現状です。
SLEAPはDeepLabCutよりも優れている点はたくさんあり、選択肢の一つとしてできるようにするために今回インストール方法を書こうと決意しました。

SLEAPはインストール方法から使い方まで動画付きで非常にわかりやすくまとまっているので、英語がわかる方なら簡単に使うことができると思います。

SLEAPの論文についてはこちら

SLEAPの公式サイトはこちら

SLEAPのGitHubはこちら

はじめに

まず初めに、SLEAP(公式)のインストール方法に書いてある、
```
mamba create -y -n sleap -c conda-forge -c nvidia -c sleap -c anaconda sleap=1.3.3
```
で一発で環境構築からパッケージのインストール、その他の諸々を行うという方法は、筆者はいくつかのパソコンで試したが、どれも環境構築の段階でずっと処理中になってしまい、うまくいかなかった。

よって、今回は公式が提案する別の方法でインストールする方法を紹介する。

インストール方法

基本的にはSLEAP公式のサイトのインストール方法にのっとって行なっていきます。

動作環境

・Windows 11 pro
・NVIDIA 3080で動作確認
・SLEAP 1.3.3
・Python 3.7.12

ファイルのダウンロード

まず初めに、SLEAPのGitHubからファイルを自分のパソコンにダウンロードします。

Gitで行う場合には以下のコードを行います。
```
git clone https://github.com/talmolab/sleap
```
gitコマンドが使えない場合には、gitをインストールする、もしくはGitHubから直接ファイルをダウンロードします。

GPUのドライバーのインストール

NVIDIAのドライバーをインストールします。
（もともとインストールされている場合はスキップします。）

Anacondaのインストール

次に、AnacondaのサイトからWindows 10 64bit版をダウンロード、インストールします。
AnacondaのサイトのFree Downloadを押し、サイトの下の方に行くと下のような画面になるので、
一番左のWindowsのインストーラーを入れましょう。

Anacondaがインストールできると、windowsのアプリ一覧の中に、”Anaconda Prompt”が入っていると思います。
それを使って、以下のコードを実行し、仮想環境の構築やインストール、さらにはSLEAPの起動を行ってきます。

仮想環境の構築とインストール

その後、以下のコードを実行し、仮想環境の構築、そしてSLEAPのインストールします。
仮想環境名は”sleap”になります。
```
cd sleap
conda env create -f environment.yml -n sleap
```
ちなみに、GPUの入っているパソコンでは上記のコードで行うことができますが、
もし入っていないパソコンでは、以下のコードで行うことができます。
```
cd sleap
conda env create -f environment_no_cuda.yml -n sleap
```
これでインストールは完了です。

インストールできたかの確認

仮想環境のアクティベーションを行い、sleap-labelでSLEAPを起動します。
```
conda activate sleap
sleap-label
```
仮想環境のアクティベーション(codna activate sleapのコマンド部分です。)はAnaconda Promptを閉じた際には毎度行う必要があります。

仮想環境のアクティベーションで(base)から、(sleap)になると思います。

起動できたら問題なくインストールができました。

論文に載せる際のバージョンなどの確認

バージョンの確認はsleapの仮想環境をアクティベートした後で、以下のコマンドを実行します。
```
python -c "import sleap; sleap.versions()"
```
すると、
```
SLEAP: 1.3.3
TensorFlow: 2.7.0
Numpy: 1.21.5
Python: 3.7.12
OS: Windows-10-10.0.22621-SP0
```
と、SLEAPのバージョン情報などが出力されます。

また、SLEAPがGPUを利用できているかについては、
```
python -c "import sleap; sleap.system_summary()"
```
で確認できます。
利用できているときは以下のような出力になります。
```
GPUs: 1/1 available
  Device: /physical_device:GPU:0
         Available: True
       Initialized: False
     Memory growth: None
```
次回以降はSLEAPの具体的な使い方について紹介できたらなと思います。

おまけ

パソコンどれを使えばいいのかわからない方へ、パソコン購入相談をココナラでやることにしました！
あなたの要望に合わせてパソコンを選び、提案しますパソコン選びに困っている方々へ！様々な目的に対応できます！
パソコンを選んだり、アドバイスすることが多く多くの友人からパソコンの相談やったら儲かるのにと言われました。
それに感化されて一旦やってみようと思いました！

パソコンの利用目的に合わせて、そしてパソコンの予算に合わせて購入をご提案します。
特に機械学習に用いるパソコンを多く選び、使ってきています。

そして、希望があればパソコンを今後買う時にどこに注目すると良いかもアドバイスしていきたいと思います。

今まで選んだことあるパソコンとして、研究室の解析用パソコン、実用パソコン、ゲーム配信用パソコン、大学の新入生用のパソコン、建築学科用のCADが使えるパソコン、とりあえずのパソコンなど。

MacとWindowsの両方使っているので、どちらのお話、ご提案もできます！

ぜひ利用してみてください
2024-01-21
【2022年12月更新】YOLOv5のインストール方法[物体認識ツール]
YOLOv5とは

YOLOは物体検出を行うアルゴリズムです。YOLOはYou Look Only Onseの頭文字をとっています。
物体のトラッキングとはまた少し違い、オブジェクトと、それがなんなのかを検出することができます。

YOLOのHPより引用(https://pjreddie.com/darknet/yolo/)

自動運転などでは、人なのか、ペットなのか、車なのかといった、人間がものを判断するように物体を検出、分類します。

分類するアルゴリズムは複雑なので、ここでは説明は省きますが、調べてみると非常に多くのサイトで解説されています。

現在YOLOは大体隔年ぐらいのペースで新しいバージョンが出ており、今ではYOLO v1~YOLOv5、そして、2021年8月に新しいバージョンであるYOLO Xが公表されました。
バージョンによって何が違うのかは、細かい部分で大きな変更がありますが、基本的には新しくなるにつれて精度がよくなっていきます。

今回は十分な精度かつ、現在かなり情報が多くなり、導入しやすくなったYOLO v5のインストールと動作確認までのステップを紹介していきたいと思います。

インストール環境

OS : Windows 10 (macOS Montereyでもできました)
Python : 3.9.7 (3.6以降)
CUDA : 11.3

インストール方法

仮想環境の作成

Anacondaを用いて、仮想環境を作成します。
Anacondaをインストールしていない人は、インストールしましょう。

YOLOv5をインストールする際にはかなり多くのパッケージがあるので、仮想環境でインストールをお勧めします。
仮想環境の名前はなんでもいいのですが、今回は”Yolov5_env”とします。
anaconda promptで以下のコマンドを入力します。
```
conda create -n Yolov5_env python=3.9
```
これで仮想環境が作成されるはずです。
仮想環境に以下のコマンドで入ります。
```
conda activate Yolov5_env
```
CUDAのインストール

まず、機械学習のライブラリを初めてインストールする方で、YOLOの学習をGPUで行うおうとする方はCUDAをインストールしましょう。(CPUでの学習はありえないほど時間がかかるのでおすすめしません)
CUDAは公式サイトからダウンロードできます。

CUDAのバージョンは、PyTorchで対応しているCUDAのバージョンを確認してから、そのバージョンをインストールするといいと思います。
PyTorchの公式サイト

過去のバージョンをインストールするには、Download nowを押した後の画面で、下の方のResourcesのArchive of Previous CUDA Releasesでインストールすることができます。

最新バージョンでもできるかもしれませんが、取り合えず、PyTorchに合わせておけば問題なく動かすことができると思います。

インストールされているかはwindowsで、「システム環境変数の編集」を開き、詳細設定>環境変数と開き、
CUDA_PATHからはじまるパスがあるか確認しましょう。
Vの後の数字がバージョンを示しています。

PyTorchのインストール

まず、インストールする前に、pipの更新をしておきましょう。
Anaconda Promptで仮想環境に入り、以下のコマンドを実行します。
```
python -m pip install --upgrade pip
```
PyTorchの公式サイトに行き、自分の環境に合ったインストール方法を選びましょう。
しかし、ここで問題となるのが、Packageの欄で、ここではpipを選択しましょう。
condaでインストールするとその後でエラーが出てしまいます。

Run this Commandのコマンドをコピペして、仮想環境にインストールします。

インストールが終わったら、以下のコマンドでPyTorchがインストールされているか確認しましょう。
```
pip list
```
この中に、torchが入っていればOKです！！！
一応動作確認として、pythonを起動し、以下のコマンドを実行してみましょう。
```
import torch
print(torch.cuda.is_available())
```
出力でTrueと出れば問題なくインストールできており、torchをGPUで動かす準備が整ったということになります。
(Macに導入する際やGPUがないパソコンには、Folseと出てきますが、imortが出てきたら大丈夫です)
エラーが出たらもう一度、インストールを見直してみましょう。

YOLOv5のインストール

GitHubからYOLOv5のファイルをダウンロード(クローン)します。
```
git clone https://github.com/ultralytics/yolov5
```
gitコマンドが使えない方は、gitをインストールするか、YOLOv5のGitHubからファイルをダウンロードします。

次に、以下のコマンドをAnaconda promptの仮想環境で実行します。
```
cd yolov5
pip install -r requirements.txt
```
最初のコマンドは、GitHubでダウンロードしたyolov5のフォルダに移動するコマンドで、gitコマンドでインストールした人はこれで大丈夫ですが、直接サイトからダウンロードしたかたはそのディレクトリに頑張って移動しましょう。

ダウンロードしたyolov5のフォルダには”requirements.txt”というファイルがあり、ここに必要なパッケージが入っているので、これを読み取り専用で開き、記載されているパッケージをインストールするコマンドが二つ目のコマンドです。

インストールが終了したらどんなパッケージがインストールされたか確認しましょう。
```
pip list 
```
かなり多くのパッケージがインストールされたと思います。
一旦これでYOLOv5のインストールは完了です。

動作

動作確認として、元々yolov5のフォルダに入っているデータで確かめてみましょう。
Anaconda promptで仮想環境に入り、cdコマンドでyolov５のフォルダに移動します。

そして、以下のコマンドを実行します。
```
python detect.py --source ./data/images/ --weights yolov5s.pt --conf 0.4
```
detect.pyがyoloを使って、物体認識するプログラムです。
sourceで物体認識してほしい素材があるフォルダのパスを指定します。
今回はyolov5に入っているimagesの画像を用いました。

weightsでどのモデルを使用するかを選択します。
今回はyolov5.ptを用います。

confではどれぐらいの尤度(Likelihood)で物体を認識するかを示します。
これに関しては、機械学習を勉強する際によく出てくる言葉です。
わからなければこのままで問題ないと思います。

実行すると、yolov5のフォルダのruns\detect\expに認識された画像が入っていると思います。
このようにしてYOLOv5では物体認識が行われます。

直面したエラー

・ModuleNotFoundError: No module named ‘torch’

Yoloを動かそうとしたときにこのようなエラーが出ることがあります。
これはPyTorchが利用できていない、モジュールが見つからないというようなエラーです。

このエラーが出た際には、まず仮想環境でtorchがインストールされているかどうか確認しましょう。
```
pip list
```
ここにtorchがなければPyTorchをインストールしましょう。
あるけれどうまくいかない、よくわからないというときは、pythonを起動し、PyTorchをインポート、利用できているかみましょう。
```
import torch
torch.cuda.is_acailable()
```
利用できる際には、Trueと返され、うまくいかないときは、上記のエラーが表示されるかと思います。

エラーの原因として考えられる一つとして、PyTorchをcondaコマンドでインストールしているという可能性があります。
PyTorchはcondaコマンドでインストールしているけど、他のパッケージはpipコマンドでインストールしていると上記のエラーが出てしまうことがあります。

その際には、condaコマンドでtorchをアンインストールし、pipコマンドでインストールしなおしましょう。

モジュールが見つからない問題は、インストールする際のコマンドがpipなのか、condaなのかごっちゃになっている可能性があります。
今回はpipで統一していますが、常にどのコマンドでインストールしているか気にするといいでしょう。

リンク集

Anaconda
CUDA
PyTorch
YOLOv5 GitHub
YOLOホームページ

おまけ

パソコンどれを使えばいいのかわからない方へ、パソコン購入相談をココナラでやることにしました！
あなたの要望に合わせてパソコンを選び、提案しますパソコン選びに困っている方々へ！様々な目的に対応できます！
パソコンを選んだり、アドバイスすることが多く多くの友人からパソコンの相談やったら儲かるのにと言われました。
それに感化されて一旦やってみようと思いました！

パソコンの利用目的に合わせて、そしてパソコンの予算に合わせて購入をご提案します。
特に機械学習に用いるパソコンを多く選び、使ってきています。

そして、希望があればパソコンを今後買う時にどこに注目すると良いかもアドバイスしていきたいと思います。

今まで選んだことあるパソコンとして、研究室の解析用パソコン、実用パソコン、ゲーム配信用パソコン、大学の新入生用のパソコン、建築学科用のCADが使えるパソコン、とりあえずのパソコンなど。

MacとWindowsの両方使っているので、どちらのお話、ご提案もできます！

ぜひ利用してみてください！
2022-02-23
DeepLabCut2.3のインストール方法[2023年12月更新]
今回の記事ではDeepLabCutのインストール方法について説明していきます。

参考サイト
・日本語サイト
https://qiita.com/auditorycortex/items/1b3a55101cddf09553b2
↑非常にわかりやすい。とりあえずこれに従っておけば大丈夫なはず

https://note.com/sakulab/n/n9caeb32d74d6
↑画像付き

・DeepLabCutホームページ
・GitHub

インストール方法

動作環境
・Windows 10
・NVIDIA 2060 SUPER, NVIDIA 1080 Ti, NVIDIA 3080で動作確認
(NVIDIA 1060 SUPERでは動作せず)
・DeepLabCut 2.1
・NVIDIA Driver 最新版
・Anaconda3
・Python 3.8
・CUDA 11.8
・tensorflow-gpu 2.5

手順
まず初めに、GitHubのサイトのマスターファイルをダウンロードしておきます。

Codeの”Download ZIP”よりダウンロードすることができます。

次に、AnacondaのサイトからWindows 10 64bit版をダウンロード、インストールします。

NVIDIAのドライバーをインストールします。（もともとインストールされている場合はスキップします。）

DeepLabCutのサイトの下のほうへとスクロールし、右側の　”DOWNLOAS CONDA FILE”　をクリックし、
DEEPLABCUT.yamlをダウンロードします。

PCのどこかにDeepLabCutフォルダーを作り(デスクトップ、もしくはCドライブのディレクトリがおすすめ)、その中にenvironmentフォルダーをつくりましょう。
そして、そのファイルの中に先ほどダウンロードしたDEEPLABCUT.yamlのファイルを入れます。
これは人の好みによりますが、僕は環境ファイルはある一定のところへと保存したい派ですので、このようにしております。

Anaconda Promptを管理者権限で起動します。(なんか黒い文字ばっかのターミナル、もしくはコマンドプロントのような画面が出てくる)
Anaconda PromptはAnacondaをダウンロードした際に、一緒に入っており、PCのソフト一覧から見つけることができると思います。

さきほどダウンロードしたDEEPLABCUT.yamlファイルをつかって仮想環境を構築します。
Anaconda Promptで
```
conda env create -f C:\(DLC-GPU.yamlファイルの場所)\DEEPLABCUT.yaml
```
と入力しましょう。
DEEPLABCUT.yamlファイルの場所は、ファイルのプロパティから確認することができるので、そこから確認し、入力しましょう。

このコードを動かすと、いろいろダウンロードなどをするかと思います。
その後、作った仮想環境に入りましょう。
```
conda activate DEEPLABCUT
```
すると、(base)から(DEEPLABCUT)に代わっていると思います。
そこまでいけばとりあえずは成功です。

次に、CUDAとcuDNNをインストールします。
```
conda install -c conda-forge cudnn
```
これによって、CUDA toolkitとcuDNNをいい感じのバージョンをダウンロードしてくれます。

その後、以下の4つのコードを入力し、インストールします。
```
pip install numpy
pip install deeplabcut
pip install imgaug
pip install torch
```
DeepLabCutをアップデートし、インストールは完了です。
```
pip install --upgrade deeplabcut
```
ここまで出来たら、一度起動してみましょう。
```
conda activate DEEPLABCUT
python -m deeplabcut
```
を入力することで、DeepLabCutのGUIを起動させることができます。

DeepLabCutがGPUで動いてくれない時の対処

trainingを開始してみたら、あれ？遅くね？ってなることがあります。
それはGPUでDeepLabCutを動かしたいはずが、CPUで動かしてしまっているからです。

よくある原因はCUDA, cuDNN, tensorflowのバージョンが合致していないという問題です。

tensorflowなどは最新版にどんどん更新されていきます。
なので、たまにうまくいかなくなることがあります。

最新のバージョン情報に関しては、DeepLabCutのGitHubで確認してみてください。

以上がインストール方法でした。
次回以降は使い方を説明していきたいと思います。

おまけ

パソコンどれを使えばいいのかわからない方へ、パソコン購入相談をココナラでやることにしました！
あなたの要望に合わせてパソコンを選び、提案しますパソコン選びに困っている方々へ！様々な目的に対応できます！
パソコンを選んだり、アドバイスすることが多く多くの友人からパソコンの相談やったら儲かるのにと言われました。
それに感化されて一旦やってみようと思いました！

パソコンの利用目的に合わせて、そしてパソコンの予算に合わせて購入をご提案します。
特に機械学習に用いるパソコンを多く選び、使ってきています。

そして、希望があればパソコンを今後買う時にどこに注目すると良いかもアドバイスしていきたいと思います。

今まで選んだことあるパソコンとして、研究室の解析用パソコン、実用パソコン、ゲーム配信用パソコン、大学の新入生用のパソコン、建築学科用のCADが使えるパソコン、とりあえずのパソコンなど。

MacとWindowsの両方使っているので、どちらのお話、ご提案もできます！

ぜひ利用してみてください

追記 1

DeepLabCutと同様に、行動のトラッキングを行うツールである”SLEAP”のインストール方法についても記事に書きました。

SLEAPもDeepLabCutに負けないツールなので、ぜひ使って見てください。

SLEAPのインストール方法[2024年2月更新]
2021-03-26