**PyTorchとは、Python用の深層学習用のフレームワークソフトウェアです。**Numpyに近い操作性とシンプルな構文、そして機械学習に不可欠なGPUサポートを備えており、各種クラウドサービスにも対応しているなど高い利便性を備えています。

PyTorchとは？特徴やメリット・デメリット等の入門情報を解説

NumPyとは？効率的なPythonのデータ分析手法を解説！

Pythonのよく使うライブラリ一覧！一段上の開発を目指そう

Pythonによる機械学習では、TensorFlowも人気の高いフレームワークです。TensorFlowとPyTorchではどのような点が違うのでしょうか。

TensorFlowは機械学習モデルの可視化に優れている他、対応する言語が幅広く、他の言語での読み込みを可能にするシリアル化に対応しています。また、歴史が長いフレームワークであるためコミュニティが充実しており、情報を探しやすいのもメリットです。

*PyTorchはPythonのネイティブサポートがあるため、Pythonエンジニアにとっては学習コストがTensorFlowと比べて低くなります。また、動的なグラフ作成、スムーズで手間のかからないデバッグ機能などが備わっています。*

TensorFlowとは？特徴やできることをわかりやすく解説！

GPUはGraphics Processing Unitの略称で、主にコンピューターグラフィックスの演算に使われる画像処理装置ですが、画像処理を行うはずのGPUがなぜ機械学習で活用されるのか、疑問に思う方も多いのではないでしょうか。

通常、グラフィック以外の計算はCPUが処理しています。CPUは1つのタスクを1つずつ順番に処理するため、複雑な計算を高速かつ直列的に処理することを得意としています。これに対して、GPUは並列処理の能力に長けていて、単純な計算を並列して複数処理することができます。機械学習では、単純な行列計算を並列的に処理する必要があるため、GPUの並列処理能力が重要な役割を担っているのです。

そのため、**機械学習を行う場合はGPU性能の高いPCを選択しましょう。**AWSやAzureなどのクラウドプラットフォームを利用して、GPUに特化した仮想マシンを調達するのも1つの方法です。

Azure仮想マシンとは？サービス概要から作成方法まで解説！

この記事では、例としてWindows11にインストールする方法について解説します。LinuxやMacなど、他のOSにインストールする場合は適宜読み替えて実施してください。

*Windows11でPyTorchを使用するには、前提としてPython3がインストールされている必要があります。*インストールされていない場合は、まずPython3をインストールしましょう。なお、Python2はサポートされていません。

Pythonのインストール方法：初心者向けインストール方法を1から解説！

Windows11でPyTorchを使用するには、CUDAやWindows MLの導入が必要ですが、これらの導入には前提としてVisual Studioをインストールする必要があります。

*Visual Studioは、Windowsだけでなく様々なプラットフォームのアプリケーションを開発することのできる統合開発環境です。*Visual Studioをインストールするには、まず公式ページにアクセスします。

【参考】[Microsoft 公式-Windows 開発用のダウンロードとツール](https://developer.microsoft.com/ja-jp/windows/downloads/)

Visual Studioには、無償版と有償版がありますが、今回は無償版の「Community」の「無料ダウンロード」リンクをクリックします（①）。Visual Studio Communityのページに遷移するので、セットアップファイルを任意の場所にダウンロードして、（②）ダウンロードしたセットアップファイルを実行すると、インストールが自動的に実行されます（③、④）。

【図】Visual Studio のダウンロード

【図】Visual Studio のインストール

GPUを有効活用するためには、GPU環境で動作する開発環境が必要です。GPUメーカーであるNVIDIA社が提供しているCUDAは、GPUの演算能力を画像処理以外の用途で利用するGPGPUと呼ばれる汎用化GPUを利用した統合開発環境を提供しています。

PyTorchもCUDAに対応しているのでインストールしましょう。まずは、インストールするPyTorchのバージョンを確認し、対応するCUDAのバージョンを確認します。**指定されているバージョン以外をインストールすると、動作不良を起こす場合がありますので必ず確認しましょう。**

続いて、NVIDIA公式ページからインストーラーをダウンロードします。OS・ビルド・バージョン・インストーラータイプを選択したら、画面下部の「Download」ボタンをクリックするとダウンロードが開始されます（①）。

【参考】[NVIDIA公式-CUDA Toolkit ダウンロード](https://developer.nvidia.com/cuda-downloads)

ダウンロードしたインストーラーを起動し、展開先ディレクトリを指定して「OK」をクリックするとファイルが展開され、インストールウィザードが開始されます（②③）。ライセンス条項に同意し、インストールオプションで「高速」を選択肢して「次へ」を押すとインストールが開始されます（④⑤⑥）。

*Windows MLはWindows Machine Leaningの略称で、Windows上で機械学習を行うためのAPIを提供するプラットフォームです。*

Windows MLを利用するには、Windows SDKが必要です。Windows SDKは下記のページにアクセスして「インストーラーをダウンロードする」をクリックし、ダウンロードされたexeファイルを実行します（①）。

【参考】[Windows SDK](https://developer.microsoft.com/ja-jp/windows/downloads/windows-sdk/)

【図】Windows SDKのダウンロード

ダウンロードしたインストーラーを起動すると、インストールウィザードが開始されます。特別な要件がなければデフォルト設定でインストールします（③〜⑨）。

【図】Windows SDKのインストール-1

【図】Windows SDKのインストール-2

PyTorchをインストールするためのパッケージマネージャーとして、Anacondaを利用します。*Anacondaは、Pythonによる開発を行うための統合開発環境です。*Anacondaをダウンロード、インストールするには以下のURLにアクセスします。

【参考】[Anaconda公式](https://www.anaconda.com/products/distribution)

トップページから「Download」ボタンをクリックし、ダウンロードされたファイルを実行すると、インストールウィザードが起動します（①）。特別な要件がなければデフォルトの設定でインストールします（②～⑧）。

最後に、PyTorchをインストールします。

【参考】[Microsoft公式-コンピューターに PyTorch をインストールして構成する](https://learn.microsoft.com/ja-jp/windows/ai/windows-ml/tutorials/pytorch-installation)

まず、PyTorchの公式サイトにアクセスします。

【参考】[PyTorch公式](https://pytorch.org)

トップページで「INSTALL PYTORCH」までスクロールします（①）。「PyTorch Build」では、インストールするバージョンを指定します。特にこだわりがなければ安定版である「Stable」を選択しましょう（②）。「Your OS」では、インストールする端末のOSを選択しますが、今回はWindowsを選択します（③）。

「Package」では、PyTorchのインストールに利用するパッケージマネージャーを選択します。Windowsであれば「Conda」が推奨されていますので、今回は「Conda」を選択しています（④）。「Language」では、PyTorchで使用するプログラミング言語を選択します。今回は、Pythonを選択します（⑤）。「CUDA」では、CUDAのバージョンを指定します。インストールしたCUDAのバージョンを選択しましょう（⑥）。

PyTorchは機械学習や人工知能の研究分野で高い人気を誇るPythonの機械学習ライブラリです。この記事では、PyTorchのインストール方法と注意点について、実際の画面の画像を使用して解説します。

PyTorchをインストールして利用するためにはGPUリソースが重要

個人開発レベルでPyTorchを利用するなら、クラウドプラットフォームの利用が候補になる

PyTorchをWindows11にインストールする方法が分かる

【図解】PyTorchを簡単にインストールするには？バージョン指定も解説

## Matplotlibのインストールと概要

人気のPython言語はライブラリの豊富さが魅力の1つです。ここでは、**Pythonのグラフ作成ライブラリとして人気のMatplotlibと、そのインストール方法などについて紹介**していきます。

データを分析する際に、グラフ化することでデータ分析の結果をより効果的にアピールでき、読み手にも直感的に伝わります。Pythonで分析したデータをグラフ化するMatplotlibは、Pythonエンジニアにとっては欠かせないライブラリの1つと言えます。

《注意》：この記事はWindowsユーザーを対象にしています。MacやUbuntuなどのLinux系の方、ラズパイ（マイクロボードコンピュータ）をお使いの方は参考程度にお読みください。

Pythonとは？人気のPythonを学ぶ際に知っておきたいこと

Pythonで開発を行う際におすすめのツールを徹底解説！

Matplotlibとは、読み方は「マットプロットリブ」で、Python言語用およびNumpy（科学計算用ライブラリ）用のグラフ描画ライブラリです。

**Matplotlibはオブジェクト指向APIを提供し、さまざまな種類のグラフを簡単に描画**できます。主に2次元プロットの描画がメインですが、徐々に3次元プロットの機能も追加されています。

描画したグラフはさまざまな画像形式で保存ができ、wxPython、GTKなどのGUIツールキット製アプリにグラフ描画機能を組みこむことが可能です。その他、Matplotlibは「pylab」というインタフェースも持っており、対話環境の提供を可能とします。

**MatplotlibはPythonのサードパーティライブラリをまとめて管理しているPyPI（Python Package Index）に登録されています**ので、[PyPI（The Python Package Index）](https://pypi.org/)で検索してみましょう。

Matplotlibで検索した結果、以下の通り、Matplotlib関連のプロジェクト数が、4,379（2021年12月）も見つかりました。この数字からもMatplotlibがPythonにおける重要なライブラリであることが分かります。

*【参考】：[matplotlib公式ページ](https://matplotlib.org/)*

**Matplotlibは、数値解析・AIの開発・医療分野の画像解析・ロケットのシミュレーション・津波シミュレーションなど、非常に幅広い分野で活用**されています。また利用している人たちは、学生から研究者、ビジネスマンなど、あらゆる階層や世代に渡っているのも特徴の1つです。

Matplotlibは2003年に初回リリースがされてから、現在でもオープンソースで開発が続き、新しいバージョンが次々と公開されています。

また、MatplotlibはPythonの統合開発環境ライブラリであるJupyter Notebookの標準装備ライブラリのため、*Jupyter Notebookを利用している方はJupyter Notebookからインストールして利用可能*です。

Jupyter Notebookとは？その導入・操作方法を解説

## Matplotlibのインストールと活用

Matplotlibの概要や用途が分かったところで、**実際にMatplotlibをインストール**してみましょう。

### Matplotlibを利用する前にPythonをインストールする

Matplotlibは、Jupyter Notebookをインストールすれば、Jupyter Notebookからインストールできますが、*単独でインストールする場合は、pipを利用してインストール*します。

pipを使わないとインストールできないので気を付けてください。

ただし、Matplotlibをインストールする前に、**Pythonが既にインストールされていることが条件**です。PythonがまだインストールされていないPCで利用するには、まずPythonを以下の公式サイトからインストールしておきましょう。

*【参考】：[ダウンロードページ（Python公式サイト)](https://www.python.org/downloads/)*

### Matplotlibをpipでインストールする

Windows10でpipコマンドを用いてMatplotlibをインストールするには、*コマンドプロンプトから「*pip install matplotlib*」と入力するだけでインストール*できます。

「Successfully installed matplotlib-3.5.1」と表示されればインストール完了です。

### Jupyter Notebookをpipでインストールする

「Jupyter-Notebook」はPython向けの統合開発環境（IDE）です。**「Jupyter-Notebook」は、データ分析などで使用されることを想定し、データのビジュアル化などの作業に向いていますので、Matplotlibを使う方はインストールしておくことをおすすめ**します。

Jupyter Notebookはインタラクティブ形式で、コードなどの実行がすぐに確認できますので、コーディング作業では非常に重宝するでしょう。

「Jupyter-Notebook」のインストールはコマンドプロンプトから「*pip install jupyter*」とpipコマンドを入力すれば、「Jupyter-Notebook」と関連するライブラリが自動的にインストールされます。

### MatplotlibをJupyter Notebookからインストールする

Jupyter Notebookを既に利用している方は「Notebook」のセルに、先頭に「！」マークをつけて「*!pip install matplotlib*」を実行してMatplotlibをインストールできます。pipと同様に「Successfully installed matplotlib-3.5.1」の表示が出ればインストール完了です。

**Matplotlibを早く理解するには、実際に使ってみること**でしょう。ここではJupyter Notebookを立ち上げ、「Notebook」画面で試してみましょう。

### Matplotlib公式サイトを利用してグラフを作成する

最初に*[matplotlib公式サイト](https://matplotlib.org/stable/index.html#)*にアクセスしてみましょう。

表示された画面上部の「プロトタイプ」をクリックすると、さまざまなタイプのグラフが表示されます。今回は、「plot（x.y）」を選択してみましょう。

表示されているグラフの図をクリックすると、グラフの下にコードが表示されます。この*コードをNotebookのセルに貼り付け、実行キーをクリックするとグラフが表示*されます。

いかがでしたか？pipコマンドでMatplotlibをインストールしてからJupyter Notebookで任意の画像を描画するまでわずか数分だったと思います。

下記の『』内のコードをJupyter Notebookのセルに貼り付け、実行してみてください。

『import matplotlib.pyplot as plt
labels = [10, 20, 30, 40, 50, 60]
x = range(0, 6)
y = [30, 55, 60, 65, 70, 65]
# 棒グラフを描画する
plt.bar(x, y, tick_label = labels)
plt.show()』

次のようなグラフが出力されましたね。このグラフは年齢ごとの体重の変化を示しています。年齢を日付に変えれば、日別の体重グラフになります。このように,Pythonは**ライブラリを利用することで、ほとんどコーディングを行わずに簡単なアプリを作れる**のです。

ここまでMatplotlibを実際に操作して、Excelをよく利用されている方は「Excelで十分」と思われた方もいるかもしれません。しかし、**MatplotlibがExcelに勝っていること**がいくつかあります。以下にまとめてみました。

**Matplotlibは頭に描いたイメージをそのまま描画できるのが特徴**です。Excelのようにデータをいちいち用意しなくとも数式やWeb上にあるデータなどから数値を拾い、すぐにグラフ化ができます。 また、描いたグラフをそのままWebやアプリに出力することが可能です。

ほか、時間経過とともに変化していく気象観測データなどをライブ描画することもできます。以下、箇条書きで整理してみましょう。

▪数式からグラフを描ける
▪Web上のデータからグラフを描ける
▪作成したグラフをWebやアプリに出力できる
▪時々刻々と変化するデータをライブ描画できる

### Matplotlibはオープンソースの無償のソフトウェア

Matplotlibを試してみるまでに、Python・pip・JupyterNotebook・Matplotlibをインストールしましたが、一切費用は発生していません。これらはすべて**無償のオープンソース**だからです。Matplotlibは大変優れたグラフ作成機能を持っていますが、これらを無償で利用できる点は大きなメリットと言えます。

AIやデータ解析にも使われるMatplotlibのインストール方法、特徴や簡単な使い方をできるだけやさしく解説してきました。Python入門者のレベルでも、かなり使えそうなライブラリだということを理解いただけたと思います。

Pythonは分かりやすく覚えやすいスクリプト言語で、Python自体も魅力的な言語ですが、豊富にあるPythonライブラリを利用すれば、驚くほど簡単にアプリケーション開発ができます。**この機会にPythonを学び、Matplotlibをマスターしてグラフやデータ解析の達人**を目指してみませんか？

Pythonは本で学ぼう！入門者におすすめの技術本5選！

Python入門：はじめの一歩から基本構文までまとめて解説！

Matplotlibは、Pythonユーザー必須のデータ分析、グラフ作成ライブラリです。データを分析する際に、グラフ化することでデータ分析の結果をより効果的にアピールできます。Matplotlibの特徴やインストール方法、使い方などを図解で分かりやすく解説していきます。

MatplotlibとはPython言語およびNumpy（科学計算用ライブラリ）用のグラフ描画ライブラリである

Matplotlibを利用するには、Python pipを利用してインストールする

Matplotlibを使えば、豊富なグラフテンプレートから簡単にさまざまな表現力のあるグラフ作成ができる

【図解】Matplotlibのインストール手順を徹底解説！

アンドエンジニアのYouTube版[『アンドエンジニアチャンネル』](https://www.youtube.com/@andengineer)では、**AI時代で生き残ることができるエンジニア**について対談動画を公開しています。興味のある方はぜひ下記よりご覧ください！

AI時代を制するために必要なスキル・ノウハウはコレ！

LangChain「読み方：ラングチェーン」は、*ChatGPTなどで使われているLLM（大規模言語モデル）を利用してアプリケーション作成を効率的に行えるように作られたフレームワークです。*

開発元はChatGPTと同じOpenAI社と誤解されがちですが、Harrison Chase氏が立ち上げたオープンソースプロジェクトで、GitHub上の数百人の開発者によって作られました。

ChatGPTでは、最新の情報に対応していない、長文入力ができない、複雑な計算問題が苦手といった課題が残されていますが、LangChainを利用することで、こうした課題に対処することが可能になります。

この記事では、LangChainの使い方や機能、Pythonを用いたインストール方法、LangChainを用いたChat APIの機能拡張方法について紹介します。LangChainのDocumentは次のリンクを参照してください。

【参考】：[Introduction |  Langchain](https://python.langchain.com/docs/get_started/introduction.html)
【参考】：[ChatGPT｜OpenAI](https://openai.com/chatgpt)

ChatGPTとは？今話題のAIチャットボットの概要や仕組みを解説！

 **LangChainが対応するプログラミング言語は、PythonとTypeScriptの2種類です。**（2023年8月時点）そこで、この記事ではPythonプログラムでLangChainを利用する方法を中心に解説します。

【参考】：[プログラミング言語 Python 総合情報サイト - python.jp](https://www.python.jp/)
【参考】：[TypeScript：型の構文を持つJavaScript](https://www.typescriptlang.org/)

PythonはAIに必須！AIエンジニアを目指すならPythonを学ぼう

TypeScriptとは？JavaScriptとの違いも解説！

LlamaIndexは、専門知識やデータなどの外部データをGPTに簡単に組み込むことができるライブラリです。 **LlamaIndex単体でも、LangChainを介さずに簡単なQ&Aはできますが、以下紹介するようにLangChainの方が多機能なライブラリと言えます。**

【参考】：[LlamaIndex ｜ Data Framework for LLM Applications](https://www.llamaindex.ai/)

LangChainには、言語モデルをさらに利用しやすくするための様々な機能を備えています。以下、LangChainで何ができるのかについて一覧で解説をします。

*▪Models*：Modelsは、様々なモデル（大規模言語モデル、チャットモデル、Embeddingsモデル）を組み合わせて使用できる機能です
*▪Prompt*：Promptは、プロンプトの管理や最適化やシリアル化を行うための機能です。
*▪Indexes*：PDFやExcel、CSVなどの外部データを用いて回答を生成できるようにする機能です。
*▪Chains*：複数のプロンプトをチェーンのように繋げて、処理を連続して実行可能にする機能です。
*▪Agents*：プロンプトの内容に基づいて、どのツールを組み合わせ、どのようなアクションを行うかを判断する機能です。
*▪Memory*：LLMを利用したユーザとの対話履歴を記録し、必要に応じ再利用できる機能です。

【参考】：[Modules | Langchain](https://python.langchain.com/docs/modules/)

プロンプトエンジニアリングとは？具体例や応用手法も徹底解説

## LangChainとOpenAIをインストールする

ここでは、*Pythonを用いてLang Chainをインストールする方法、およびOpenAIのライブラリをインストールする方法について紹介します。*

開発環境としては、Windows 11 ProにPython 3.11.5がインストールされている前提で進めていきます。Pythonをまだインストールしていない方は、次のPython公式サイトを参考に、Pythonのダウンロードとインストールを済ませておいてください。

【参考】：[Windows版Pythonのインストール: Python環境構築ガイド - python.jp](https://www.python.jp/install/windows/install.html)

Pythonがインストールできたら、**Pythonコマンドを用いてOpenAIのライブラリをインストールします。**コマンドプロンプトを起動し、以下のコマンドを入力します。

OpenAIのライブラリーインストールが終了すると以下のメッセージが表示されます。

Successfully installed aiohttp-3.8.5 aiosignal-1.3.1 async-timeout-4.0.3 attrs-23.1.0 certifi-2023.7.22 charset-normalizer-3.2.0 colorama-0.4.6 frozenlist-1.4.0 idna-3.4 multidict-6.0.4 openai-0.27.9 requests-2.31.0 tqdm-4.66.1 urllib3-2.0.4 yarl-1.9.2

コマンドプロンプトとは？できることや使い方をわかりやすく解説！

OpenAIのインストールと同様に、コマンドプロンプトからPython コマンドを用いて、LangChainをインストールします。

Lang Chainのライブラリーインストールが終了すると以下のメッセージが表示されます。

Successfully installed PyYAML-6.0.1 SQLAlchemy-2.0.20 annotated-types-0.5.0 dataclasses-json-0.5.14 greenlet-2.0.2 langchain-0.0.275 langsmith-0.0.27 marshmallow-3.20.1 mypy-extensions-1.0.0 numexpr-2.8.5 numpy-1.25.2 packaging-23.1 pydantic-2.3.0 pydantic-core-2.6.3 tenacity-8.2.3 typing-extensions-4.7.1 typing-inspect-0.9.0

以上で、OpenAIとLang Chainのライブラリインストールは終了です。次に、OpenAIのAPIキーを取得します。

LangChain APIキーの取得を行う前に、OpenAIのアカウントを取得する必要がありますが、すでにOpenAIのアカウントを取得している方は、そのアカウントでOpenAIのサイトにログインします。**ChatGPTを利用している方は、ChatGPTのアカウントでもログインできます。**

【参考】：[OpenAI Platform](https://platform.openai.com/account/api-keys)

~~【図】：　OpenAI のログイン画面　~~

APIを利用する際に、APIキーが必ず必要になってきます。APIキーとは、APIにログインするための固有の識別子のことです。

 APIキーがあることによって、開発者やユーザはサービスの利用が可能になり、同時にAPI側ではその利用状況をモニターすることで悪用を検知できます。**OpenAIのWebサイトでユーザ登録を済ませていれば、次のページから簡単にAPIキーの生成ができます。**

*■ 1．OpenAIのサイトにアクセス*
OpenAIのサイトにアクセスしたら、メニュー選択画面から、［API］を選択します。

~~【図】：　OpenAI のログイン後画面　~~

*■ 2． API reference 画面に移動*
「Welcome to the OpenAI platform」の画面が表示されたら、上段のメニューから「API reference」を選択してクリックします。

~~【図】：　OpenAI のメニュー選択画面　~~

*■ 3． 「API Keys」を選択*
次の画面が表示されたら、「Authentication」の見出し下にある「API Keys」をクリックします。

~~【図】：　OpenAI のAPI Keys選択画面　~~

*■ 4． APIキーの作成*
「API Keys」の取得画面が表示されます。［+Create secret key］のボタンをクリックすると、さらに「Create new secret key」と出力画面が表示されますので、［Create secret key］ボタンをクリックします。

~~【図】：　OpenAI の「API Keys」作成画面　~~

*■ 5．APIキーの取得*
「API Keys」が表示されたらキーの右にあるコピーボタンをクリックしてキーをコピーし、メモ帳などに貼り付けて保存してください。APIキーは後ほど、環境変数の登録時に使用します。

~~【図】：　OpenAI のAPIキーの取得画面　~~

### APIキーを環境変数に登録する

**ChatGPTのAPIなどを利用する場合には、OpenAIから取得するAPIキーを利用します。**またOpenAIではAPIのリクエストに応じて課金するため、APIキーの管理は重要です。うっかり、取得したAPIキーを盗まれると、他人に利用される可能性があります。

コマンドを利用して環境変数を登録する方法はありますが、漏洩リスクの低いWindowsのコントロールパネル上の環境変数に登録し、管理する方法を紹介します。

*■ 1．環境変数を開く*
Windowsのスタートメニューを右クリックし、設定を選択します。システム設定の画面が表示されたら、左上の検索窓に環境変数と入力し、表示された選択肢から「環境変数を編集」を選択すると、以下の環境変数設定画面が表示されます。ユーザの環境変数画面の下から［新規(N)..］を選択します。

~~【図】：環境変数編集画面　~~

*■ 2．環境変数を登録する*
新しいユーザ変数を登録する画面が表示されますので、変数名には「OPENAI\_API\_KEY」と入力し、変数値には先ほど取得してコピーしておいたAPIキーを貼り付けてください。正しく入力したことを確認したら、［OK］ボタンをクリックして、環境変数設定画面を閉じ、Windowsを再起動します。

~~【図】：　環境変数の登録画面　~~

実際にLangChainのLLM機能を利用して、*簡単なPythonプログラムを作成してみましょう。*

### LangChainを使用した生成AIプログラムを作る

ここでは、「東京の観光地紹介記事のタイトルをランダムに生成する」というプロンプトを用意しました。プロンプトは日本語で問題ありません。このコードで使用しているtemperatureはChatGPT のパラメータで、回答の精度を指示します。

一般的には0.2〜0.8の範囲で設定すると良いと言われますが、値を変えてファインチューニングを目指してみると良いでしょう。以下のコードをテキストにコピペし、拡張子をpyにして保存します。

import os
import openai
# openai.api_keyにOpenAIのAPIキーを入れる
openai.api_key = os.environ['OPENAI_API_KEY']
from langchain.llms import OpenAI
llm = OpenAI(temperature=0.4)
print(llm(prompt=東京の観光地紹介記事のタイトルを生成してください。))

ここでは値を0.4にし、Pythonプログラム（プログラム名はsample04.py）を実行した結果、次の回答を得ました。プロンプトは自由に変更してみてください。

- 「東京の観光を楽しむ！　有名なスポットをご紹介」
- 「東京のオススメスポット！　観光で楽しく過ごそう」
- 「東京を存分に満喫！　カオスな街の観光地をお届け」
- 「東京をオススメ！　素晴らしいスポットをご紹介」
- 「東京を楽しもう！　季節ごとのランドマークをお届け」

プログラムを実行して次のようなエラーが表示されたら、OpenAIの無料枠を使い切ってしまったということが考えられます。利用料金を支払う必要があるため、OpenAIのサイトにクレジット情報を登録し、料金を支払います。**クレジットで支払いをしてから1時間前後でエラーがでなくなります。**

Retrying langchain.llms.openai.completion_with_retry.<locals>._completion_with_retry in 4.0 seconds as it raised RateLimitError: You exceeded your current quota, please check your plan and billing details..

## LangChainのAPIで仕事の効率を高めよう

この記事では、LLM（大規模言語モデル）を用いたアプリの開発に役立つライブラリ、LangChainの主な機能、インストール方法、APIキーの取得法、環境変数の設定方法、Pythonプログラムでの利用方法について紹介しました。

1から言語モデルを実現するのは非常に難しいのですが、*LangChainを使うことで大規模言語モデルを簡単に実装できます。*これからPythonを学ぶ方、Pythonプログラムで大規模言語モデルを実装してみたい方、参考になれば幸いです。

ChatGPTで知られた大規模言語モデル（LLM）を簡単に利用できるフレームワークとしてLangChainがあります。この記事ではLangChainの概要、機能、APIキーの取得方法、環境変数の設定方法、Pythonプログラムでの利用方法などについて紹介します。

LangChainはLLMを利用しアプリ開発を効率的に行えるように作られたフレームワーク

LangChainには、言語モデルをさらに利用しやすくするために様々な機能を備えている

LangChainの利用にはAPIキーが必須であり、APIは課金対象となっている

LangChainとは？すぐに使えるLLMのフレームワークを紹介

*React Nativeとは、クロスプラットフォームのアプリケーション開発用フレームワーク*の1つです。ここではReact Nativeの概要や将来性について紹介します。

**React Nativeとは、メタ・プラットフォームズ社（旧Facebook社）が開発したクロスプラットフォームのアプリケーション開発用フレームワーク**です。クロスプラットフォームなのでiOS・Android両端末で動作するアプリケーションを開発できます。

React Nativeは現行のWeb開発の主流であるJavaScriptを開発言語としています。したがって、*Webアプリケーション開発のノウハウを活かした開発が可能*です。関連性が高いものにReact.jsというJavaScriptのUIライブラリーがあります。

参考:[React Native Learn once, write anywhere](https://reactnative.dev/)

JavaScriptに関するフレームワークについて徹底解説！

**React.jsとは、JavaScriptで使えるUI構築用コードに特化したライブラリー**です。React Nativeと同様にメタ・プラットフォームズ社によって開発され、Reactとも呼ばれます。多くの企業がシステム・アプリケーション開発にReact.jsを導入しており、フロントエンド開発の主流となりつつあります。

React Nativeは、Webアプリケーション用のReact.jsをモバイル端末向けアプリケーション開発に使えるように作られたものです。ライブラリーであるReact.jsに対し、React Nativeはフレームワークなので役割は大きく異なるものの、*コードの表記方法をはじめ多くの共通点があります*。

参考:[React ユーザーインターフェース構築のためのJavaScriptライブラリ](https://ja.reactjs.org/)

近年はAirbnbなどの大企業がReact Nativeを使用しなくなったこともあり「React Native離れ」が始まっていると言う声も聞かれます。この背景には、*クロスプラットフォームからネイティブ開発への切り替えや、同じクロスプラットフォームのFlutterの人気が高まっている*ことなどがあります。

一方、前述のReact.jsは世界中で導入企業を増やしており、今後主流となる可能性があります。その**React.jsとReact Nativeを合わせれば、Web・iOS・Android向けのアプリケーションを共通のノウハウで開発可能**です。その利便性からReact Nativeは将来性のあるフレームワークであると言えます。

## React Nativeにできること・メリット

React Nativeには、同じクロスプラットフォームの*Flutterなどと比較した場合にいくつかのメリットがあります*。ここでは、React Nativeにできることや独自のメリットについて解説します。

### Webエンジニアにも使いやすく人材確保が容易

前述のとおりReact NativeはJavaScriptを開発言語にしており、Webアプリケーション開発との互換性が高いフレームワークです。したがって、**普段JavaScriptを使っているエンジニアであれば、ネイティブ開発の経験がなくても開発業務にアサインしやすい**と言えます。

開発言語がJavaScriptである点は、Google独自の言語であるDartを使うFlutterや、ネイティブ開発言語であるSwift・kotlinにはないReact Nativeを導入する大きなメリットです。すでに*JavaScriptを使える人や勉強中の人で、モバイル端末向けアプリケーション開発に携わりたい人におすすめ*です。

Kotlinとは？Android開発において、Javaと比較したKotlinの特徴とは

Appleの新しいプログラミング言語、Swift ― その概要や特徴、メリット・デメリットについて解説

### ホットリロードにより修正が容易

React Nativeには**ホットリロードという機能があり、コードの修正が容易である点もメリット**の1つです。ホットリロードとは、コードを変更するたびに変更内容がUIに反映される機能です。

## React Nativeにできないこと・デメリット

さまざまな*メリットがある反面、React Nativeにはデメリットもあります*。ここでは、React Nativeにできないことやデメリットについて紹介します。

### ネイティブエンジニアには学習コストが高い

JavaScriptを開発言語に採用している点がメリットであることは説明しましたが、裏を返せば、**普段からネイティブ開発用言語を使っているエンジニアには学習コストがかかる**と言えます。iOS向けのSwift、Android向けのKotlinが使えても、React Nativeを使う際にスキルの転用は困難です。

逆に*React Nativeを導入してアプリケーション開発をしていた企業・エンジニアが、ネイティブ開発向け言語に切り替える際も同様に学習コストが発生*します。React Nativeの導入を検討するときは、チーム内のWebエンジニア・ネイティブエンジニアの比率をチェックしておくことが大切です。

### エラー箇所の特定に時間を要する

React Nativeのようなクロスプラットフォームでアプリケーション開発を行う場合、**エラー箇所の特定に手間と時間がかかる**というデメリットがあります。React Nativeで言えば、エラーがネイティブレイヤーとJavaScriptレイヤーのどちらで発生しているのかを特定する必要があるためです。

加えて、*iOS・Android両OS向けのアプリケーションが開発できますが、どちらか一方のOSでのみ発生するエラーもあるため注意*が必要です。エラーの発生場所・原因が何パターンも考えられ、容易には解決できにくい点は、React Nativeの弱点です。

*React Nativeでアプリケーションを開発するには環境構築が必要*です。ここでは、React Nativeの開発環境構築について説明します。

参考:[Setting up the development environment - React　Native](https://reactnative.dev/docs/environment-setup)

ライブラリの記事（2ページ目）