【Python】M1/M2 MacでPython環境の構築（機械学習・データ分析編）

更新情報

2023年4月1日：
M1/M2 MacでのPytorchのインストール方法で「Stable(2.0.0)」を選択するように更新しました。（2023年3月15日にM1/M2対応のPyTorch 2.0.0がリリースされました）
https://pytorch.org/blog/pytorch-2.0-release/
https://pytorch.org/blog/new-library-updates-in-pytorch-2.0/

2022年12月7日：
M1/M2 MacでのPytorchのインストール方法で「Stable(1.13.0)」を選択するように修正しました。（2022年10月28日にM1対応のPyTorch 1.13がリリースされました）
https://pytorch.org/blog/PyTorch-1.13-release/

2022年9月4日：
M1/M2 MacでのPytorchのインストール方法を追加しました。

2022年9月1日：
M1/M2 MacでのTensorflowのインストール方法を追加しました。

こんにちは。ナミレリです。みなさん、MacでPythonは使っていますか？
M1やM2などのApple Siliconを搭載したMacでシンプルで使いやすいPython環境の構築方法を紹介する第2回目で機械学習やデータ分析に必要なライブラリインストール編です。前回はM1やM2 Macにpyenv + Miniforge + venv によるPython環境の構築方法をご紹介しました。下の記事もぜひ合わせてご覧ください。

この記事はこんな人にオススメ

M1/M2 MacでPythonによる機械学習やデータ分析の環境を構築したい
機会学習やデータ分析に必要なpythonライブラリをとりあえず知りたい

関連

【Python】M1/M2 MacでPython環境の構築（pyenvとvenvのインストールと設定、そして使い方）

M1、M2のMacをより便利に使うための初期設定についてはぜひ下記の記事を参考にしてください。

【特集】快適なデスクトップ環境を構築する

快適なデスクトップ環境を構築することをテーマにした特集です。

関連

【Mac】MacBookの外観を綺麗に保つためのお手入れ掃除方法

関連

【特集】macで快適なデスクトップ環境の構築

関連

【特集】最高のNeovim環境を構築する

関連

【特集】Ubuntuで快適なデスクトップ環境の構築

今回はpyenv + Miniforgeの環境にPythonによる機械学習やデータ分析のライブラリのインストールする方法を紹介します。

この記事でわかること

M1/M2 Macで機械学習やデータ分析に必要なpythonライブラリ
pythonライブラリのバージョンやインストールしたディレクトリの確認方法
デスクトップのファイルをグループに自動で整理する

この記事のMac環境

M2 MacBook Air 13.6 インチ
macOS Monterey 12.5.1
pyenv 2.3.3
Miniforge3-4.10.3-10

Parallels Desktop 20 for Macの無料トライアルもありますので、ぜひダウンロードして試してみてください。M1/M2/M3のMac上で快適にMacやUbuntu、Windowsが動作します。

NEW Parallels Desktop 20 for Mac

Parallels Desktop 20 for Macは、M1/M2/M3のMac上で快適にMacやUbuntu、Windowsが動作します。

14日間の無料トライアルもありますので、ぜひダウンロードして試してみてください。

Parallels Desktop 20 公式サイト

関連

【初心者向け】Parallels Desktop 19 for Macの特徴とエディションの比較

この記事は、M1/M2のMacでpyenvとMiniforgeがインストールされていて、pyenvでPythonのバージョンをMiniforgeに設定されていることが前提となります。

M1/M2のMacでpyenvとMinigorgeをインストールしていない方は下記をご覧ください。

関連

【Python】M1/M2 MacでPython環境の構築（pyenvとvenvのインストールと設定、そして使い方）

この記事でインストールするパッケージ・モジュール・ライブラリ一覧

機械学習・データ分析系

名称	内容
numpy	数値計算を効率的に行うための拡張モジュール
pandas	データ解析を支援する機能を提供するライブラリ
scipy	数学、科学、工学のための数値解析ソフトウェア、高レベルな科学と工学のモジュールを集めたもの
scikit-learn	機械学習ライブラリで数値計算ライブラリのNumPyとSciPyとやり取りするよう設計されている
matplotlib	Pythonおよびその科学計算用ライブラリNumPyのためのグラフ描画ライブラリ
seaborn	Matplotlibの機能をより美しく、より簡単に実現するための可視化ライブラリ
opencv	インテルが開発した画像・動画に関する処理機能をまとめたライブラリ
Tensorflow	Googleが開発した機械学習に用いるためのライブラリ
PyTorch	Facebook（現Meta）のAI Reserarch Lab（FAIR）で開発された深層学習用フレームワーク

機械学習・データ分析系のインストールするパッケージ・モジュール・ライブラリ一覧

機械学習の初心者に向けた、「Python3年生機械学習のしくみ」はオススメの書籍です。

NumPyのインストール

NumPyとは？

NumPyはPythonにおいて数値計算を効率的に行うための拡張モジュールです。Numpyと合わせてPandasやMatplotlibと一緒に良く使われます。ナムパイと読みます。

NumPyを使うと、効率的な数値計算を行うための型付きの多次元配列（例えばベクトルや行列などを表現できる）のサポートをPythonに加えるとともに、それらを操作するための大規模な高水準の数学関数ライブラリを提供することができます。

NumPy

NumPy – Wikipedia

NumPyのインストール

NumPyは、conda、pip、MacやLinuxのパッケージマネージャ、またはソースからインストールできますが、最も簡単にインストール・管理できるのがcondaです。

NumPyをcondaでインストールします。


conda install numpy "libblas=*=*accelerate"

下記のForumを見て"libblas=*=*accelerate"のオプションを付けてインストールしました。ベンチマークがM1MAXでは4倍、M2Airでは2倍の速さになりました。ただし他のライブラリに影響がある可能性もあるので、仕事で使う環境などにはオプションなしの方が安全だと思います。

参考

Why Python native on M1 Max is gre… | Apple Developer Forums

developer.apple.com

参考

Option to install numpy built with Appleu0026#039;s Accelerate BLAS implementation · Issue #253 · conda-forge/numpy-feedstock

GitHub

BLASについては下のwikiが参考になります。

参考

Basic Linear Algebra Subprograms – Wikipedia

ja.wikipedia.org

Basic Linear Algebra Subprograms（BLAS）は数値線形代数の基礎的演算に必要な関数を定義するAPIである[1]。ベクトル・行列演算を含む38の関数からなるLevel 1 BLASが1979年に発表されたのち[2]、Level 2 および Level 3 まで拡張された。多数の実装が作成・整備され続けており、この分野におけるデファクトスタンダードとなっている。BLASの基礎演算を利用してLAPACKなどの上位パッケージが構築されており、科学技術計算・高性能計算で多用される。

BLASの関数を多用するソフトウェアにおいてBLAS実装（ライブラリ）の質は速度に直結する。高度な最適化は実装が動くハードウェアにも依存するため、特定CPUに特化したライブラリが提供される場合もある（インテルCPU向け: Intel Math Kernel Library）。オープンソースの最適化 BLAS 実装として OpenBLAS や ATLAS（英語版）がある。

LINPACK ベンチマークの性能は、BLAS のサブルーチンである DGEMM（倍精度汎用行列乗算）の性能に大きく影響される。
https://ja.wikipedia.org/wiki/Basic_Linear_Algebra_Subprograms

NumPyのインストール確認

NumPyのバージョンとインストールされたディレクトリを確認してみます。


import numpy as np
print(np.__version__)
1.22.4
print(np.__file__)

Numpyの定番オススメ書籍：
Pythonによるデータ分析入門第2版
NumPyデータ処理入門機械学習・データサイエンスで役立つ高速処理手法

pandasのインストール

pandasとは？

pandasは、データを簡単かつ直感的に操作できるように設計された、高速で柔軟で表現力豊かなデータ構造を提供するPythonパッケージです。パンダスと読みます。

pandasの2つの主要なデータ構造、Series(1次元)とDataFrame(2次元)は、金融、統計、社会科学、および工学の多くの分野で使われています。

参考

Getting started u0026#8212; pandas 1.4.3 documentation

pandas.pydata.org

pandasのインストール

pandasも最も簡単にインストール・管理できるのがcondaです。

pandasをcondaでインストールします。


conda install pandas

pandasのインストール確認

pandasのバージョンとインストールされたディレクトリを確認してみます。


import pandas as pd
print(pd.__version__)
1.4.4
print(pd.__file__)

Pandasの定番オススメ書籍：Pythonによるデータ分析入門第2版

SciPyのインストール

SciPyとは？

Scipyとは高度な科学技術計算をおこなうことが可能なライブラリで、サイパイと読みます。統計などの高度な科学技術計算を簡単に実行することができます。

クラスター分析、物理定数、離散フーリエ変換、数値積分、線形代数、などの科学技術計算が可能となります。

参考

SciPy

scipy.org

参考

Getting started u0026#8212; SciPy v1.9.0 Manual

docs.scipy.org

SciPyのインストール

SciPyも最も簡単にインストール・管理できるのがcondaです。

SciPyをcondaでインストールします。


conda install scipy

SciPyのインストール確認

SciPyのバージョンとインストールされたディレクトリを確認してみます。


import scipy
print(scipy.__version__)
1.9.1
print(scipy.__file__)

SciPyの定番オススメ書籍：NumPy&SciPy数値計算実装ハンドブック

scikit-learnのインストール

scikit-learnとは？

scikit-learnは機械学習ライブラリで数値計算ライブラリのNumPyとSciPyとやり取りするよう
設計されています。サイキット・ラーンと読みます。

教師あり学習、教師なし学習に関するアルゴリズム(サポートベクターマシン、ランダムフォレスト、回帰、クラスタリングなど)が一通り利用出来る上、サンプルのデータセット（トイデータセットと呼びます）が豊富に揃っています。

参考

scikit-learn: machine learning in Python u0026mdash; scikit-learn 1.1.2 documentation

scikit-learn.org

参考

【初心者向け】機械学習ライブラリ scikit-learn（sklearn）とは？機械学習プログラミングを体験してみよう！　　

AI Academy Media

scikit-learnのインストール

scikit-learnも最も簡単にインストール・管理できるのがcondaです。

scikit-learnをcondaでインストールします。


conda install scikit-learn

scikit-learnのインストール確認

scikit-learnのバージョンとインストールされたディレクトリを確認してみます。


import sklearn
print(sklearn.__version__)
1.1.2
print(sklearn.__file__)

scikit-learnのオススメ書籍：scikit-learn、Keras、TensorFlowによる実践機械学習第2版

Matplotlibのインストール

Matplotlibとは？

MatplotlibはPythonおよびその科学計算用ライブラリであるNumPyのためのグラフ描画ライブラリです。

Matplotlibを使うことで、グラフの描画やデータの可視化が簡単に行えます。
折れ線グラフ、ヒストグラムや散布図など様々なグラフを表現できます。

参考

Matplotlib u0026#8212; Visualization with Python

matplotlib.org

参考

Getting started u0026#8212; Matplotlib 3.5.3 documentation

matplotlib.org

Matplotlibのインストール

Matplotlibも最も簡単にインストール・管理できるのがcondaです。

Matplotlibをcondaでインストールします。


conda install matplotlib

Matplotlibのインストール確認

Matplotlibのバージョンとインストールされたディレクトリを確認してみます。


import matplotlib as mpl
print(mpl.__version__)
3.5.3
print(mpl.__file__)

Matplotlibの定番オススメ書籍：Matplotlib&Seaborn実装ハンドブック

seabornのインストール

seabornとは？

seabornは、matplotlibをベースにしたPythonデータビジュアライゼーションライブラリです。

seabornは、matplotlibの上に構築され、pandasのデータ構造と密接に統合されています。

参考

seaborn: statistical data visualization u0026#8212; seaborn 0.11.2 documentation

seaborn.pydata.org

参考

seaborn 徹底入門！Pythonを使って手軽で綺麗なデータ可視化８連発

機械学習入門コースの決定版!機械学習エンジニアを目指すならcodexa（コデクサ）

seabornのインストール

seabornも最も簡単にインストール・管理できるのがcondaです。

seabornをcondaでインストールします。


conda install seaborn

seabornのインストール確認

seabornのバージョンとインストールされたディレクトリを確認してみます。


import seaborn as sns
print(sns.__version__)
0.12.0
print(sns.__file__)

seabornの定番オススメ書籍：データ分析者のためのPythonデータビジュアライゼーション入門

OpenCVのインストール

OpenCVとは？

インテルが開発した画像・動画に関する処理機能をまとめたライブラリです。

OpenCVを使用することで、フィルター処理、オブジェクト追跡、領域分割、パノラマ合成、カメラキャリブレーション、物体認識、機械学習等の処理をPythonで行うことができます。

参考

OpenCV: OpenCV modules

docs.opencv.org

OpenCVのインストール

OpenCVも最も簡単にインストール・管理できるのがcondaです。

OpenCVをcondaでインストールします。


conda install opencv

OpenCVのインストール確認

OpenCVのバージョンとインストールされたディレクトリを確認してみます。


import cv2
print(cv2.__version__)
4.6.0
print(cv2.__file__)

OpenCVの定番オススメ書籍：OpenCVではじめようディープラーニングによる画像認識

Tensorflowのインストール

Tensorflowとは？

Googleが開発した機械学習に用いるためのライブラリです。

機械学習モデルの開発およびトレーニングに役立つオープンソースのコアライブラリ。主にディープラーニングのフレームワークとして知られています。

参考

TensorFlow

Tensorflowのインストール

Tensorflowには、以下の3つのモジュールが必要です。
・tensorflow-deps　（condaでインストール）
・tensorflow-macos　（有効化した仮想環境内でpipでインストール）
・tensorflow-metal　（有効化した仮想環境内でpipでインストール）

参考

M1 MacにTensorFlowをインストールする – Qiita

qiita.com

参考

Page Not Found – Apple Developer

developer.apple.com

venvでの仮想環境構築方法はこちらをご覧ください。

関連

【Python】M1/M2 MacでPython環境の構築（pyenvとvenvのインストールと設定、そして使い方）


conda install -c apple tensorflow-deps
cd venv_test
source .venv/bin/activate


pip install tensorflow-macos
pip install tensorflow-metal

Tensorflowのインストール確認

Tensorflowのバージョンとインストールされたディレクトリを確認してみます。


import tensorflow
print(tensorflow.__version__)
2.9.2
print(tensorflow.__file__)

protobuf packageのエラーとなった場合

以下のエラーメッセージが表示されTensorflowがインポートできない場合があります。2つの解説策がエラーメッセージに表示されます。

If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:
1. Downgrade the protobuf package to 3.20.x or lower.
2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).

【解決策1】1. Downgrade the protobuf package to 3.20.x or lower.

解決策の1つ目としてprotobufのバージョンを3.20系にダウングレードする。
protobufについてはこちらの記事が詳しいです。

参考

protobufのインストール【PythonでProtocol Buffers】

ジコログ

以下のコマンドでprotobufのバージョンを3.20系にダウングレードします。


pip install -U protobuf~=3.20.0

【解決策2】2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python

解決策の2つ目として下記の環境変数を設定します。ただ処理速度が遅くなるようなので解決策1がオススメです。

以下のコマンドでPROTOCOL_BUFFERS_PYTHON_IMPLEMENTATIONの環境変数を設定します。


export PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python

環境変数を設定した後に、pythonインタプリタでtensorflowがインポートできることを確認します。


python


Python 3.9.13 | packaged by conda-forge | (main, May 27 2022, 17:00:33) 
[Clang 13.0.1 ] on darwin
Type "help", "copyright", "credits" or "license" for more information.
import tensorflow

Tensorflowの定番オススメ書籍：
Python,TensorFlowで実践する深層学習入門
物体・画像認識と時系列データ処理入門

PyTorchのインストール

PyTorchとは？

Facebook（現Meta）のAI Reserarch Lab（FAIR）で開発された深層学習用フレームワーク。

PyTorchはシンプルで使いやすく、柔軟性が高くメモリの効率的な利用、動的な計算グラフなどについても高い評価を得ています。Pythonで利用すると処理速度が速くなります。

参考

PyTorch

pytorch.org

PyTorchのインストール選択

PyTorchのインストールは、公式サイトのpytorch.orgで環境を選択することでインストールコマンドを表示してくれます。とても便利です。

STEP
公式サイトのpytorch.orgにアクセス

pytorch.orgの環境選択画面
STEP
PyTorch Buildの選択

PyTorch 2.0.0 がリリースされました。（2023年3月15日）
「Stable(2.0.0)」を選択します。
STEP
Your OSの選択

もちろん「Mac」を選択します。
STEP
Packageの選択

condaでもpipでもインストールできます。今回は「Conda」を選択します。
STEP
Languageの選択

もちろん「Python」です。
STEP
Compute Platformの選択

「Default」です。
STEP
表示されたインストールコマンドの実行
「Run this command:」にインストールするためのコマンドが表示されます。
```
conda install pytorch torchvision torchaudio -c pytorch
```

pytorchの1.13.0などの旧バージョンがインストールされている場合は、conda uninstall pytorchで先にアンインストールしておく方が良いです。

venvでの仮想環境構築方法はこちらをご覧ください。

関連

【Python】M1/M2 MacでPython環境の構築（pyenvとvenvのインストールと設定、そして使い方）

PyTorchのインストール

先程の表示されたコマンドでインストールします。（condaでインストール）


conda install pytorch torchvision torchaudio -c pytorch

PyTorchのインストール確認

PyTorchのバージョンとインストールされたディレクトリを確認してみます。


import torch
print(torch.__version__)
1.13.0
print(torch.__file__)

PyTorchがM1/M2のGPUを利用できるか確認

PyTorchがM1/M2のMetal Performance Shaders（MPS）が有効になっているか確認してみます。

参考

Installing PyTorch on Apple M1 chip with GPU Acceleration

Medium


import torch
print(torch.backends.mps.is_available())
True
print(torch.backends.mps.is_built())
True

両方ともTrueであればMetal Performance Shaders（MPS）が有効になっておりM1/M2のGPUを利用できます。

PyTorchの定番オススメ書籍：最短コースでわかる PyTorch ＆深層学習プログラミング

最後に

最後まで読んでいただきありがとうございます。今回の【Python】M1/M2 MacでPython環境の構築（機械学習・データ分析編）はいかがでしたでしょうか。M1やM2などのApple Siliconを搭載したMacで機械学習やデータ分析に必要なライブラリのインストールを紹介しました。次回以降は株価分析とスクレイピングに必要なライブラリのインストール方法を紹介予定です。みなさんのMacライフに少しでもお役に立てたら幸いです。

テックアカデミーで学ぶデータサイエンスコース