メインコンテンツへスキップ
見出し画像

[AI基礎解説] 仮想環境ってなんだ？ 〜conda編〜

    GeneLab

    前回のあらすじ：仮想環境って何だっけ？

    「Pythonってなんだ？」の記事で、仮想環境の存在をチラ見せした。覚えてるか？

    簡単におさらいすると：

    • プロジェクトAはNumPy 1.20が必要

    • プロジェクトBはNumPy 1.25が必要

    • 同じマシンで両方動かしたい

    こういう「バージョン地獄」を解決するのが仮想環境だ。

    前回はPython標準のvenvを紹介したが、今回はcondaという別の選択肢を見ていく。

    condaって何者？美味しいの？

    condaは、クロスプラットフォーム、言語非依存のバイナリパッケージマネージャーだ。簡単に言うと：

    • パッケージマネージャー：ライブラリのインストール・管理ができる（pipみたいなもん）

    • 環境マネージャー：仮想環境を作成・管理できる（venvみたいなもん）

    • 言語非依存：Python以外（R、C++のライブラリとか）も管理できる

    つまり、pipとvenvを合体させて、さらに強化したやつだ。

    venv vs conda：どっち使えばいい？

    項目 venv conda インストール Python標準搭載 別途インストール必要 対応言語 Pythonのみ Python、R、C++など パッケージ管理 pip conda（pipも使える） 依存関係解決 弱い 強い（賢い） ディスク容量 軽い 重い（数GB食う） 科学計算ライブラリ 別途インストール 最初から揃ってる

    結論：

    • ライトなプロジェクト → venv

    • AI・データサイエンス → conda

    • 複雑な依存関係がある → conda

    • ディスク容量が厳しい → venv

    Anaconda vs Miniconda vs Miniforge：三つ巴の戦い

    condaをインストールする方法は3つある。どれ選ぶか迷うよな。

    Anaconda（フルセット）

    Anaconda Distributionは300以上のパッケージを自動でインストールする。

    特徴：

    • GUI（Anaconda Navigator）付き

    • データサイエンス系ライブラリ全部入り

    • インストール容量：約5GB

    • NumPy、Pandas、Matplotlib、Jupyterなど全部最初から使える

    おすすめ対象：

    • GUI好き

    • とりあえず全部入りが欲しい初心者

    • ディスク容量に余裕がある人

    デメリット：

    • 商用利用は有料ライセンスが必要な場合がある（個人・教育・従業員200人未満の企業は無料）

    • 重い

    • 使わないパッケージまで入ってる

    Miniconda（ミニマル版）

    Minicondaは、conda、Python、それらの依存関係、および少数の他のパッケージのみを含む軽量版。

    特徴：

    • 必要最小限だけインストール

    • インストール容量：約500MB

    • 自分で好きなパッケージを追加していくスタイル

    おすすめ対象：

    • 何が必要か把握してる中級者以上

    • ディスク容量を節約したい

    • サーバー環境で使いたい

    デメリット：

    • Anacondaと同じ、商用利用の制約がある可能性

    Miniforge（コミュニティ版）

    Miniforgeは、conda-forgeコミュニティによって維持されているインストーラーで、conda-forgeチャンネルを使うように事前設定されている。

    特徴：

    • Minicondaと似てるが、conda-forgeチャンネルがデフォルト

    • 商用利用の制約なし（完全オープンソース）

    • Apple Siliconネイティブ対応

    おすすめ対象：

    • 商用プロジェクト

    • ライセンス気にしたくない人

    • M1/M2 Macユーザー

    結論：どれ選べばいい？

    • 初心者・個人利用 → Anaconda

    • 中級者・軽量が好き → Miniconda

    • 商用・ライセンス心配 → Miniforge

    俺のおすすめはMiniconda。必要なものだけ入れる方が健全だし、後から追加するのも簡単だからな。

    インストール手順：OS別に解説

    【Windows編】

    ステップ1：インストーラーをダウンロード

    Minicondaの例で説明する。

    https://docs.conda.io/en/latest/miniconda.html にアクセス。

    「Miniconda3 Windows 64-bit」をダウンロード。

    ステップ2：インストーラー実行

    ダウンロードした.exeファイルをダブルクリック。

    重要な設定：

    • 「Just Me」を選択（推奨）

    • インストール先はデフォルトでOK

    • 「Add Miniconda3 to my PATH environment variable」はチェックしない（公式非推奨）

    • 「Register Miniconda3 as my default Python」はチェック入れてOK

    ステップ3：動作確認

    スタートメニューから「Anaconda Prompt (miniconda3)」を起動。

    conda --version

    バージョンが表示されたら成功。

    【Mac編】Homebrew使わない方法

    ステップ1：インストーラーをダウンロード

    https://docs.conda.io/en/latest/miniconda.html にアクセス。

    Intelチップ： Miniconda3 macOS Intel x86 64-bit pkg M1/M2チップ： Miniconda3 macOS Apple M1 ARM 64-bit pkg

    ステップ2：インストーラー実行

    ダウンロードした.pkgファイルをダブルクリック。 指示に従ってインストール。

    ステップ3：シェル初期化（重要）

    ターミナルを開いて：

    # conda初期化
/Users/あなたのユーザー名/miniconda3/bin/conda init zsh

    bashを使ってる人は：

    /Users/あなたのユーザー名/miniconda3/bin/conda init bash

    ターミナルを再起動。

    ステップ4：動作確認

    conda --version

    プロンプトの先頭に(base)って表示されてたら完璧。

    【Mac編】Homebrewを使う方法（簡単）

    別記事「Homebrewってなんだ？」でHomebrew入れた人向け。

    brew install --cask miniconda

    一行で終了。神。

    初期化は同じくやる：

    conda init zsh  # または bash

    ターミナル再起動して完了。

    conda環境の基本操作：これだけ覚えとけ

    環境作成

    # 基本形
conda create -n myenv

# Python指定して作成
conda create -n myenv python=3.11

# パッケージも一緒にインストール
conda create -n ml-project python=3.11 numpy pandas matplotlib

    環境にパッケージを追加しながら作成するには、環境名の後にそれらを指定する。

    環境一覧表示

    conda env list

    または

    conda info --envs

    アクティブな環境はアスタリスク(*)が付いてるやつ。

    出力例：

    # conda environments:
#
base                  *  /Users/username/miniconda3
ml-project               /Users/username/miniconda3/envs/ml-project

    環境の有効化

    conda activate ml-project

    プロンプトが(ml-project)になったら成功。

    環境の無効化

    conda deactivate

    (base)に戻る。

    環境の削除

    conda env remove -n ml-project

    もう使わない環境は消そう。ディスク容量の節約。

    パッケージ管理：condaとpipの二刀流

    パッケージ検索

    # conda公式リポジトリで検索
conda search numpy

# conda-forgeで検索
conda search -c conda-forge numpy

    パッケージインストール

    # 現在の環境にインストール
conda install numpy

# バージョン指定
conda install numpy=1.24

# 複数まとめて
conda install numpy pandas matplotlib

# conda-forgeから
conda install -c conda-forge scikit-learn

    以前に作成した環境にパッケージをインストールするには、環境を有効化するか、コマンドラインで環境名を指定する。

    # 方法1：環境を有効化してから
conda activate myenv
conda install numpy

# 方法2：環境名を指定
conda install -n myenv numpy

    パッケージアップデート

    # 特定パッケージ
conda update numpy

# 全パッケージ
conda update --all

    パッケージアンインストール

    conda uninstall numpy

    インストール済みパッケージ一覧

    conda list

    pipも使える

    condaで見つからないパッケージはpipで入れればOK。

    conda activate myenv
pip install some-package

    注意：condaとpipを混ぜると依存関係が壊れることがある。 できるだけcondaで統一しろ。どうしても必要な時だけpip。

    チャンネル（Channel）：パッケージの供給源

    チャンネルとは、パッケージが保存されている場所（自分のコンピューターまたはインターネット上）。

    主要チャンネル

    1. defaults（デフォルト）：Anaconda公式

    2. conda-forge：コミュニティ版。パッケージが最新で豊富

    3. bioconda：バイオインフォマティクス系

    4. pytorch：PyTorch専用

    チャンネル指定してインストール

    # 一時的に指定
conda install -c conda-forge tensorflow

# デフォルトチャンネルに追加
conda config --add channels conda-forge
conda config --set channel_priority strict

    conda-forgeを追加しておくと、パッケージが見つかりやすくなる。おすすめ。

    実践：AI・機械学習プロジェクトを始める

    シナリオ：画像分類プロジェクト

    # 1. 環境作成
conda create -n image-classifier python=3.11

# 2. 環境有効化
conda activate image-classifier

# 3. 必要なパッケージインストール
conda install numpy pandas matplotlib scikit-learn jupyter

# 4. PyTorchインストール（公式チャンネルから）
conda install pytorch torchvision -c pytorch

# 5. その他（condaにないもの）
pip install pillow tqdm

    環境をファイルに保存（再現性）

    # 現在の環境をYAMLファイルにエクスポート
conda env export > environment.yml

    environment.ymlの中身（例）：

    name: image-classifier
channels:
  - pytorch
  - defaults
dependencies:
  - python=3.11
  - numpy
  - pandas
  - matplotlib
  - scikit-learn
  - jupyter
  - pytorch
  - torchvision
  - pip:
    - pillow
    - tqdm

    ファイルから環境を復元

    # 別のマシンやチームメンバーが環境を再現
conda env create -f environment.yml

    これでチーム全員が同じ環境で作業できる。神。

    よく使うコマンド一覧：チートシート

    # 環境管理
conda create -n myenv python=3.11    # 環境作成
conda activate myenv                  # 環境有効化
conda deactivate                      # 環境無効化
conda env list                        # 環境一覧
conda env remove -n myenv             # 環境削除
conda env export > env.yml            # 環境エクスポート
conda env create -f env.yml           # 環境インポート

# パッケージ管理
conda install numpy                   # インストール
conda install numpy=1.24              # バージョン指定
conda install -c conda-forge pkg      # チャンネル指定
conda update numpy                    # アップデート
conda update --all                    # 全パッケージアップデート
conda uninstall numpy                 # アンインストール
conda list                            # インストール済み一覧
conda search numpy                    # パッケージ検索

# conda自身の管理
conda --version                       # バージョン確認
conda update conda                    # condaアップデート
conda clean --all                     # キャッシュクリア（容量節約）

    つまずきやすいポイントと対策

    ケース1：「conda: command not found」

    原因： PATHが通ってない、または初期化されてない。

    対策（Mac/Linux）：

    # 初期化
~/miniconda3/bin/conda init zsh  # または bash

    ターミナル再起動。

    対策（Windows）： スタートメニューから「Anaconda Prompt」を使え。

    ケース2：baseが自動で有効化されるのウザい

    デフォルトでターミナル開くたびに(base)が有効化される。これが嫌な人：

    conda config --set auto_activate_base false

    ケース3：パッケージのインストールが遅い

    conda

    の依存関係解決が遅いことがある。特に大きい環境で。

    対策1： mamba使え（condaの高速版）

    conda install -c conda-forge mamba
mamba install numpy  # condaの代わりにmamba

    対策2： パッケージをまとめて指定

    # ❌ 遅い
conda install numpy
conda install pandas
conda install matplotlib

# ✅ 速い
conda install numpy pandas matplotlib

    ケース4：ディスク容量がヤバい

    condaは容量食う。定期的に掃除しろ。

    # キャッシュ削除
conda clean --all

# 使ってない環境を削除
conda env remove -n old-project

    ケース5：condaとpipを混ぜたら壊れた

    依存関係がバグった。

    対策：

    # 環境を作り直す
conda deactivate
conda env remove -n broken-env
conda create -n fixed-env python=3.11
conda activate fixed-env
# 今度はcondaを優先して入れ直す

    教訓：condaとpipは混ぜるな危険。

    ケース6：Anacondaのライセンスが心配

    商用利用でAnaconda Repositoryを使うと有料の場合がある。

    対策：

    1. Miniforgeに乗り換える

    2. conda-forgeチャンネルを使う

    conda config --add channels conda-forge
conda config --set channel_priority strict

    baseって何？触っていいの？

    デフォルト環境、conda自身がインストールされているものは、baseと呼ばれる。

    ルール：

    • baseには何も入れるな。

    • プロジェクトごとに新しい環境を作れ。

    • baseはconda管理用と割り切れ。

    理由：baseを汚すと、conda自体が壊れる可能性がある。

    conda vs venv：結局どっち？

    もう一度整理する。

    condaを使うべき場合：

    • AI・機械学習・データサイエンスやる

    • NumPy、SciPy、TensorFlowなど科学計算ライブラリ使う

    • 複雑な依存関係がある（C++ライブラリとか）

    • チームで環境を共有したい

    venvを使うべき場合：

    • Webアプリ開発

    • シンプルなスクリプト

    • ディスク容量が厳しい

    • Python標準だけで済ませたい

    俺の使い分け：

    • 機械学習プロジェクト → conda

    • Djangoアプリ → venv

    • ちょっとしたスクリプト → venv

    両方マスターしとけ。状況に応じて使い分けろ。

    次のステップ

    1. 実際にconda環境を作ってみる：記事読んだだけじゃ身につかない

    2. Jupyter Notebookを試す：データ分析の定番

    conda install jupyter
jupyter notebook

    1. environment.ymlを作る習慣：プロジェクトごとに必ず作れ

    2. Hugging Faceと組み合わせる：別記事「Hugging Faceってなんだ？」参照

    まとめ：condaマスターへの道

    condaのインストールと基本操作、お疲れ様。これで君も：

    ✅ condaが何か説明できる ✅ Anaconda/Miniconda/Miniforgeの違いがわかる ✅ conda環境を作成・管理できる ✅ パッケージをインストールできる ✅ チームで環境を共有できる ✅ venvとcondaを使い分けられる

    仮想環境は面倒に見えるけど、絶対に使え。使わないと後で地獄を見る。マジで。

    「環境壊れたから全部アンインストールして入れ直す」とか、時間の無駄だろ？conda使えば秒で新環境作れる。

    プロジェクト始めるたびにconda createする習慣をつけろ。それだけで君のストレスは激減する。

    AIの世界で生き残るために、環境管理をマスターしろ。

    参考リンク：

    • Conda公式ドキュメント: https://docs.conda.io/

    • Conda Getting Started: https://docs.conda.io/projects/conda/en/stable/user-guide/getting-started.html

    • Minicondaダウンロード: https://docs.conda.io/en/latest/miniconda.html

    • Miniforgeダウンロード: https://conda-forge.org/download/

    • Anaconda利用規約: https://www.anaconda.com/terms-of-service

    • conda-forge: https://conda-forge.org/

     
     
     

    GeneLab

     
     
    AIエンジニア、専門領域は動画を主としたコンテンツ生成 公式ドキュメントを読み込み、手を動かして検証した保存版ガイドをお届けします。一緒に環境構築の沼を抜けよう。

    あなたへのおすすめ