Aktivieren von PyTorch mit DirectML unter WSL 2
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.
Das Paket torch-directml auf systemeigenen Windows-Subsystem für Linux (WSL) 2 funktioniert ab Windows 11 (Build 22000 oder höher). Sie können die Buildversionsnummer überprüfen, indem Sie winver
mit dem Befehl Ausführen (Windows-Logotaste + R) ausführen.
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.
Um das Windows-Subsystem für Linux (WSL) 2 zu installieren, befolgen Sie die Anweisungen in Installieren von WSL.
Installieren Sie dann den WSL-GUI-Treiber, indem Sie den Anweisungen in der Datei README.md
im GitHub-Repository microsoft/wslg folgen.
Es wird empfohlen, eine virtuelle Python-Umgebung in WSL 2 einzurichten. Es gibt viele Tools, die Sie verwenden können, um eine virtuelle Python-Umgebung einzurichten. In diesem Fall wird Miniconda von Anaconda verwendet. Für den Rest dieses Setups wird davon ausgegangen, dass Sie eine Miniconda-Umgebung verwenden.
Installieren Sie Miniconda, indem Sie dem Linux Installations-Leitfaden auf der Anaconda-Site folgen oder durch Ausführen der folgenden Befehle in WSL 2.
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
Sobald Miniconda installiert ist, erstellen Sie eine Python-Umgebung namens pytdml und aktivieren diese mit den folgenden Befehlen:
conda create --name pytdml -y
conda activate pytdml
Hinweis
Das Paket torch-directml unterstützt bis zu 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
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
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.