Freigeben über

Aktivieren der GPU-Beschleunigung für TensorFlow 2 mit Tensorflow-directml-Plugin

Von Bedeutung

Dieses Projekt wird nun nicht mehr aktiv bearbeitet.

Diese Version bietet Schülern, Anfängern und Profis eine Möglichkeit, machine learning (ML)-Schulungen auf ihrer vorhandenen DirectX 12-fähigen Hardware mithilfe des DirectML-Plug-Ins für TensorFlow 2 auszuführen.

Hinweis

Sie können mithilfe von Python x86-64 3.10 installieren tensorflow-directml-plugin . Für Version 3.11 und höher wird tensorflow-directml-plugin jedoch nicht unterstützt.

Erfahren Sie, wie Sie Ihr Gerät mithilfe von tensorflow-directml-plugin so konfigurieren, dass Modelle mit der GPU ausgeführt und trainiert werden.

SCHRITT 1: Minimale (und maximale) Systemanforderungen

Stellen Sie vor der Installation des TensorFlow-DirectML-Plug-Ins sicher, dass Ihre Version von Windows oder WSL TensorFlow-DirectML-Plugin unterstützt.

Nativ für Windows

  • Windows 10, Version 1709, 64-Bit (Build 16299 oder höher) oder Windows 11 Version 21H2, 64-Bit (Build 22000 oder höher)
  • Python x86-64 3.7, 3.8, 3.9 oder 3.10. Version 3.10 ist auch die maximal unterstützte Version.
  • Einer der folgenden unterstützten GPUs:
    • AMD Radeon R5/R7/R9 2xx Serie oder neuer
    • Intel HD Graphics 5xx oder höher
    • NVIDIA GeForce GTX 9xx Series GPU oder neuer

Windows-Subsystem für Linux

  • Windows 10 Version 21H2, 64-Bit (Build 20150 oder höher) oder Windows 11 Version 21H2, 64-Bit (Build 22000 oder höher)
  • Python x86-64 3.7, 3.8, 3.9 oder 3.10. Version 3.10 ist auch die maximal unterstützte Version.
  • Einer der folgenden unterstützten GPUs:

Installieren des neuesten GPU-Treibers

Stellen Sie sicher, dass der neueste GPU-Treiber für Ihre Hardware installiert ist. Wählen Sie im Bereich für Windows Update der Einstellungen-App die Option Auf Updates überprüfen aus. Nehmen Sie bei Bedarf mithilfe der oben genannten Links eine Installation von Ihrem Hardwareanbieter auf.

SCHRITT 2: Konfigurieren Ihrer Windows-Umgebung

Nativ für Windows

Das TensorFlow-DirectML-Plugin-Paket unter systemeigenen Windows funktioniert ab Windows 10, Version 1709 (Build 16299 oder höher). Sie können ihre Buildversionsnummer überprüfen, indem Sie den Befehl winver" (Windows-Logo-Taste +R) ausführen.

Windows-Subsystem für Linux

Nachdem Sie den obigen Treiber installiert haben, stellen Sie sicher, dass Sie WSL aktivieren und eine glibc-basierte Verteilung (z. B. Ubuntu oder Debian) installieren. Für unsere Tests haben wir Ubuntu verwendet. Stellen Sie sicher, dass Sie über den neuesten Kernel verfügen, indem Sie im Abschnitt Windows Update der Einstellungen-App auf Updates überprüfen klicken.

Hinweis

Stellen Sie sicher, dass Sie die Option Updates für andere Microsoft-Produkte erhalten, wenn Sie Windows aktualisieren aktiviert haben. Sie finden sie in den erweiterten Optionen im Windows Update-Abschnitt der Einstellungs-App.

Für diese Features benötigen Sie eine Kernelversion von 5.10.43.3 oder höher. Sie können die Versionsnummer überprüfen, indem Sie den folgenden Befehl in PowerShell ausführen.

wsl cat /proc/version

SCHRITT 3: Einrichten Ihrer Umgebung

Es wird empfohlen, eine virtuelle Python-Umgebung in Windows einzurichten. Es gibt viele Tools, mit denen Sie eine virtuelle Python-Umgebung einrichten können– für diese Anweisungen verwenden wir die Miniconda von Anaconda. Für den Rest dieses Setups wird davon ausgegangen, dass Sie eine Miniconda-Umgebung verwenden. Weitere Informationen zur Verwendung von Python-Umgebungen

Erstellen einer Umgebung in Miniconda

Laden Sie das Miniconda Windows-Installationsprogramm auf Ihrem System herunter, und installieren Sie es. Es gibt zusätzliche Anleitungen für die Einrichtung auf der Website von Anaconda. Nachdem Miniconda installiert wurde, erstellen Sie eine Umgebung mit Python namens tfdml_plugin, und aktivieren Sie sie über die folgenden Befehle.

conda create --name tfdml_plugin python=3.9 

conda activate tfdml_plugin

Hinweis

tensorflow Version >= 2.9 und Python Version >= 3.7 unterstützt.

SCHRITT 4: Installieren von Basis-TensorFlow

Laden Sie das Basis-TensorFlow-Paket herunter. Derzeit funktioniert das Directml-Plug-In nur mit tensorflow–cpu==2.10 und nicht mit tensorflow oder tensorflow-gpu.

pip install tensorflow-cpu==2.10

SCHRITT 5: Installieren des Tensorflow-directml-Plug-Ins

Durch die Automatische Installation dieses Pakets wird das DirectML-Back-End für vorhandene Skripts ohne Codeänderungen aktiviert.

pip install tensorflow-directml-plugin

Hinweis

Wenn Ihre Schulungsskripts die Gerätezeichenfolge auf etwas anderes als "GPU" festcodieren, kann dies Fehler auslösen.

Alternativ kann das Paket aus der Quelle erstellt werden. Anweisungen zum Erstellen tensorflow-directml-plugin aus dem Quellcode.

TensorFlow mit DirectML-Beispielen und Feedback

Schauen Sie sich unsere Beispiele an, oder verwenden Sie Ihre aktuellen Modellskripts. Wenn Probleme auftreten oder Feedback zum TensorFlow-DirectML-Plugin-Paket vorliegen, wenden Sie sich bitte an unser Team.