【M3 Macbook Air】MiniforgeでPython機械学習環境を構築する【2024】

TIP

M3チップのMacbook Airを購入したので、MiniforgeでのPython環境構築方法について記載します。

はじめに#

詳細情報は、githubのリポジトリをチェック。

https://github.com/conda-forge/miniforge

該当するアーキテクチャはarm64 (Apple Silicon)なのですが、下のほうにもっと楽なコマンドが書いてあるので、ターミナルが使える方はそちらのほうが楽です。

早速手順を記載します#

ターミナルを立ち上げます。
以下コマンドを入力します。

1
wget "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh"
2
bash Miniforge3-$(uname)-$(uname -m).sh

Enterを押下します。
で閉じます。
acceptしますか、というメッセージにyesと入力します。
このパスに入れていいか、というメッセージが出るのでそのままEnterを押下します。
ターミナルにログインしたときに自動で起動するようにするか、というメッセージが出るので、yesと入力します。

これでMiniforgeのインストールが完了します。簡単だね。

試しに機械学習サンプルを動かしてみよう#

環境構築#

新しいConda環境の作成

TensorFlowと必要なパッケージをインストールするための新しい環境を作成します。
Terminal window
```
1
# Miniforgeのインストールが完了したら、以下のコマンドを実行
2
conda create -n tf_env python=3.9
3
conda activate tf_env
```

TensorFlowのインストール

Apple Silicon向けにビルドされたTensorFlowをインストールします。

1
# TensorFlowのApple Silicon向けビルドをインストール
2
conda install -c apple tensorflow-deps
3
pip install tensorflow-macos
4
pip install tensorflow-metal
5
pip install matplotlib

簡単な機械学習のサンプルコード#

ここでは、MNISTデータセットを使用して手書き数字認識を行うシンプルなニューラルネットワークを実装します。

1
import tensorflow as tf
2
from tensorflow.keras import datasets, layers, models
3
import matplotlib.pyplot as plt
4
import time
5

6
start_time = time.time()
7

8
# MNISTデータセットのロード
9
(train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data()
10

11
# データの正規化
12
train_images, test_images = train_images / 255.0, test_images / 255.0
13

14
# モデルの構築
15
model = models.Sequential([
16
    layers.Flatten(input_shape=(28, 28)),
17
    layers.Dense(128, activation='relu'),
18
    layers.Dropout(0.2),
19
    layers.Dense(10)
20
])
21

22
# モデルのコンパイル
23
model.compile(optimizer='adam',
24
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
25
              metrics=['accuracy'])
26

27
# モデルの訓練
28
model.fit(train_images, train_labels, epochs=5)
29

30
# モデルの評価
31
test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)
32

33
print(f'\nTest accuracy: {test_acc}')
34

35
print(f'Time: {time.time()-start_time}[s]')

実行手順#

上記のコードをファイル（例：mnist_example.py）に保存します。
スクリプトを実行します。
Terminal window
```
1
python mnist_example.py
```

これで、M3チップの力を活用してTensorFlowを使用した簡単な機械学習のサンプルを動かすことができます。

出力結果は、以下のようになりました。 M3チップ、そこそこ高速なのでは？

1
Epoch 1/5
2
1875/1875 ━━━━━━━━━━━━━━━━━━━━ 1s 453us/step - accuracy: 0.8595 - loss: 0.4835
3
Epoch 2/5
4
1875/1875 ━━━━━━━━━━━━━━━━━━━━ 1s 454us/step - accuracy: 0.9570 - loss: 0.1489
5
Epoch 3/5
6
1875/1875 ━━━━━━━━━━━━━━━━━━━━ 1s 467us/step - accuracy: 0.9689 - loss: 0.1039
7
Epoch 4/5
8
1875/1875 ━━━━━━━━━━━━━━━━━━━━ 1s 461us/step - accuracy: 0.9744 - loss: 0.0822
9
Epoch 5/5
10
1875/1875 ━━━━━━━━━━━━━━━━━━━━ 1s 456us/step - accuracy: 0.9774 - loss: 0.0710
11
313/313 - 0s - 316us/step - accuracy: 0.9777 - loss: 0.0720
12

13
Test accuracy: 0.9776999950408936
14
Time: 4.895736932754517[s]

まとめ#

今回は、【機械学習をする前提で】M3チップ Macbook AirでMiniforgeを使ってPython環境を構築する方法について紹介しました。

M1,M2チップでも同様に構築可能なので、これから機械学習を勉強したいという方は試してみてね。