Aktivieren von PyTorch mit DirectML unter Windows

2025-06-10

PyTorch mit DirectML bietet Entwicklern eine benutzerfreundliche Möglichkeit, die neuesten und besten KI-Modelle auf ihrem Windows-Computer auszuprobieren. Sie können PyTorch mit DirectML herunterladen, indem Sie das torch-directml PyPI-Paket installieren. Nach der Einrichtung können Sie mit unseren Beispielen beginnen oder das AI Toolkit für VS Code verwenden.

Überprüfen Ihrer Windows-Version

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

Überprüfen auf GPU-Treiberupdates

Stellen Sie sicher, dass der neueste GPU-Treiber installiert ist. Wählen Sie im Bereich für Windows Update der Einstellungen-App die Option Auf Updates überprüfen aus.

Einrichten von Torch-DirectML

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.

Einrichten einer Python-Umgebung

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 mit dem Namen Pytdml, und aktivieren Sie sie über die folgenden Befehle.

conda create --name pytdml -y
conda activate pytdml

Installieren von PyTorch und Torch-DirectML

Hinweis

Das torch-directml Paket unterstützt bis zu PyTorch 2.3.1

Alles, was zum Einrichten erforderlich ist, ist das Installieren der neuesten Version von torch-directml, indem Sie den folgenden Befehl ausführen:

pip install torch-directml

Überprüfung und Geräteerstellung

Nachdem Sie das torch-directml-Paket installiert haben, können Sie überprüfen, ob es ordnungsgemäß ausgeführt wird, indem Sie zwei Tensoren addieren. Starten Sie zuerst eine interaktive Python-Sitzung, und importieren Sie Torch mit den folgenden Zeilen:

import torch
import torch_directml
dml = torch_directml.device()

Die aktuelle Version von torch-directml wird dem Torch-Backend "PrivateUse1" zugeordnet. Die API torch_directml.device() ist ein praktischer Wrapper zum Senden Ihrer Tensoren an das DirectML-Gerät.

Mit dem erstellten DirectML-Gerät können Sie nun zwei einfache Tensoren definieren: ein Tensor, der eine 1 enthält, und ein anderer, der eine 2 enthält. Platzieren Sie die Tensoren auf dem "dml"-Gerät.

tensor1 = torch.tensor([1]).to(dml) # Note that dml is a variable, not a string!
tensor2 = torch.tensor([2]).to(dml)

Fügen Sie die Tensoren zusammen, und drucken Sie die Ergebnisse.

dml_algebra = tensor1 + tensor2
dml_algebra.item()

Sie sollten die Zahl 3 wie im folgenden Beispiel ausgegeben sehen.

>>> import torch
>>> tensor1 = torch.tensor([1]).to(dml)
>>> tensor2 = torch.tensor([2]).to(dml)
>>> dml_algebra = tensor1 + tensor2
>>> dml_algebra.item()
3

PyTorch mit DirectML-Beispielen und Feedback

Schauen Sie sich unsere Beispiele an, um weitere Verwendungen von PyTorch mit DirectML zu sehen. Wenn Sie Probleme haben oder Feedback zum PyTorch mit DirectML-Paket haben, wenden Sie sich bitte hier mit unserem Team an.

Freigeben über