マシン構成
● DELL XPS 8960
● CPU: Core i7-14700K (3.4GHz)
● メモリ: 64GB
● SSD: 1TB
● GPU: GeForce RTX 4070 Ti SUPER (16GB VRAM)
● OS: Windows 11 Pro
構成方針
TensorFlowは2.11以降ネイティブWindowsでGPUが使えなくなったため、WSL2（Ubuntu）上にPyTorchとTensorFlowを両方構築する方式を採用。手順はClaudeによる提示でのインストールを実行する。
1. GeForceドライバのインストール（Windows側）
● https://www.nvidia.com/Download/index.aspx を開く
● Product Type: GeForce / Series: RTX 40 Series / Product: RTX 4070 Ti SUPER / OS: Windows 11 を選択
● Game Ready DriverまたはStudio Driverをダウンロード（安定性重視ならStudio Driver）
● インストーラ実行 →「カスタムインストール」→「NVIDIAグラフィックスドライバ」のみでOK（GeForce Experienceは不要）
● 再起動
● 確認: コマンドプロンプトで nvidia-smi を実行し、GPU名とCUDA Versionが表示されればOK
2. WSL2 + Ubuntuのインストール（Windows側）
● PowerShellを管理者として実行
● wsl --install を実行（既定でUbuntu最新LTSが入る）
● 再起動
● スタートメニューから「Ubuntu」を起動し、ユーザー名・パスワードを設定（Linux側の別管理）
● Ubuntu側で nvidia-smi を実行し、Windows側と同じGPU情報が表示されればWSL2からGPUが見えている
注意: WSL2側にLinux用NVIDIAドライバを別途インストールしない（Windows側のドライバがそのまま使われる）。
3. Python環境構築（Ubuntu側）
sudo apt update && sudo apt upgrade -y
Python 3.11をdeadsnakes PPA経由で試みたが、環境によっては python3.11-dev が見つからない場合があるため、最終的にUbuntu標準のPython 3.12を使用（PyTorch/TensorFlowともに3.12対応済み）。
sudo apt install -y python3.12-venv build-essential
cd ~
python3.12 -m venv dl-env
source ~/dl-env/bin/activate
pip install --upgrade pip
プロンプトの先頭に (dl-env) と表示されれば仮想環境が有効化された状態。
4. PyTorchのインストール
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
確認コマンド:
python3 -c "import torch; print(torch.__version__); \
print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"
→ True と NVIDIA GeForce RTX 4070 Ti SUPER が表示されればOK（実績: torch 2.14.0+cu126）
5. TensorFlowのインストール
pip install tensorflow[and-cuda]
初回はGPUライブラリが見つからず「Cannot dlopen some GPU libraries」→ []（GPU未検出）になった。原因は、pipで入ったnvidia関連ライブラリ（cuDNN等）の場所をTensorFlowが自動で見つけられないこと。
対処: venvの activate スクリプトに以下を追記する（.bashrcではなくactivateに書くのがポイント。.bashrcはvenv有効化前に実行されるため、python3がシステム側を指してしまい失敗する）。
echo 'export LD_LIBRARY_PATH=$(find $(python3 -c "import site; \
print(site.getsitepackages()[0])")/nvidia -name lib -type d \
2>/dev/null | tr "\n" ":")$LD_LIBRARY_PATH' >> ~/dl-env/bin/activate
以降、source ~/dl-env/bin/activate するたびに自動でパスが設定される。
確認コマンド:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
→ [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')] が表示されれば成功
完了状態（2026年9月6日時点）
● PyTorch: GPU認識 OK（cu126）
● TensorFlow: GPU認識 OK
● 環境: ~/dl-env（Ubuntu on WSL2、Python 3.12）
今後の運用メモ
● 作業を再開するたびに source ~/dl-env/bin/activate を実行すること
● 新しいターミナルでは自動でLD_LIBRARY_PATHが設定される（activateスクリプトに組み込み済み）
● PyTorchとTensorFlowは同じ仮想環境に同居させても問題なし。依存関係の衝突が出た場合は環境を分けて対応
