Freigeben über

Aktivieren der GPU-Beschleunigung für TensorFlow 2 mit Tensorflow-directml-Plug-In

  • Artikel

Wichtig

Dieses Projekt wird nun nicht mehr aktiv bearbeitet.

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

Hinweis

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

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

SCHRITT 1: Minimale (und maximale) Systemanforderungen

Stellen Sie vor der Installation des TensorFlow-DirectML-Plug-In sicher, dass Ihre Version von Windows oder WSL TensorFlow-DirectML-Plug-In 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 Sie die neuesten GPU-Treiber.

Stellen Sie sicher, dass auf Ihrer VM die aktuellen GPU-Treiber für Ihre Hardware installiert sind. Wählen Sie im Abschnitt Windows Update der App Einstellungen die Option Nach Updates suchen 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 Paket TensorFlow-DirectML-Plugin unter nativem Windows funktioniert mit Windows 10, Version 1709 (Build 16299 oder höher). Sie können die Buildversionsnummer überprüfen, indem Sie winver mit dem Befehl Ausführen (Windows-Logotaste + 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 Windows Update-Abschnitt der Einstellungen-App nach Updates suchen.

Hinweis

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

Für diese Features benötigen Sie eine Kernelversion von 5.10.43.3 oder höher. Sie können Ihre Versionsnummer mithilfe des folgenden Befehls in PowerShell überprüfen.

wsl cat /proc/version

SCHRITT 3: Einrichten Ihrer Umgebung

Es wird empfohlen, eine virtuelle Python-Umgebung in Windows einzurichten. Es gibt viele Tools, die Sie verwenden können, um eine virtuelle Python-Umgebung einzurichten. In dieser Anleitung wird Miniconda von Anaconda verwendet. 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 herunter, und installieren Sie es auf Ihrem System. Bei Bedarf finden Sie auf der Website von Anaconda einen zusätzlichen Leitfaden für das Setup. Sobald Miniconda installiert ist, erstellen Sie mithilfe von Python eine Umgebung namens tfdml_plugin und aktivieren diese mit den folgenden Befehlen:

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 tensorflow oder tensorflow-gpu.

pip install tensorflow-cpu==2.10

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

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 in etwas anderes als "GPU" hartcodieren, kann dies Fehler auslösen.

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

Beispiele und Feedback für TensorFlow mit DirectML

Schauen Sie sich unsere Beispiele an, oder nutzen Sie Ihre bestehenden Modellskripts. Wenn Sie Probleme haben oder Feedback zum TensorFlow DirectML-Plugin-Paket haben, wenden Sie sich bitte hier an unser Team.