Aktivieren von PyTorch mit DirectML unter Windows

Artikel
05/21/2024

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 KI-Toolkit für VS Code verwenden.

Überprüfen der Version von Windows

Das Paket torch-directml auf einem nativen Windows-System funktioniert ab Windows 10, Version 1709 (Build 16299 oder höher). Sie können die Buildversionsnummer überprüfen, indem Sie winver mit dem Befehl Ausführen (Windows-Logotaste + R) ausführen.

Überprüfen auf GPU-Treiberupdates

Stellen Sie sicher, dass Sie den neuesten GPU-Treiber installiert haben. Wählen Sie im Abschnitt Windows Update der App Einstellungen die Option Nach Updates suchen aus.

Einrichten von Torch-DirectML

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.

Einrichten einer Python-Umgebung

Laden Sie das Miniconda Windows-Installationsprogramm herunter, und installieren Sie es auf Ihrem System. Auf der Website von Anaconda finden SIe eine zusätzliche Anleitung für das Setup. Sobald Miniconda installiert ist, erstellen Sie mithilfe von Python eine Umgebung namens pytdml und aktivieren diese mit den folgenden Befehlen:

conda create --name pytdml -y
conda activate pytdml

Installieren Sie PyTorch und Torch-DirectML

Hinweis

Das Paket torch-directml unterstützt nur PyTorch 2.2

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

pip install torch-directml

Überprüfung und Geräteerstellung

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

import torch
import torch_directml
dml = torch_directml.device()

Die aktuelle Version von torch-directml wird dem „PrivateUse1“-Torch-Back-End zugeordnet. Die torch_directml.device()-API 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 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()

Die Ausgabe 3 sollte wie im folgenden Beispiel angezeigt werden.

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

Beispiele und Feedback für PyTorch mit DirectML

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

Freigeben über