Habilitación de PyTorch con DirectML en WSL 2

PyTorch con DirectML proporciona una manera fácil de usar para que los desarrolladores prueben los modelos de IA más recientes y mejores en su máquina Windows. Puede descargar PyTorch con DirectML instalando el paquete PyPi torch-directml . Una vez configurado, puede empezar con nuestros ejemplos o usar AI Toolkit for VS Code.

Comprobación de la versión de Windows

El paquete torch-directml del Subsistema de Windows para Linux (WSL) 2 funciona a partir de Windows 11 (compilación 22000 o posterior). Para comprobar el número de versión de compilación, ejecute winver mediante el comando Ejecutar (tecla del logotipo de Windows + R).

Buscar actualizaciones de controladores de GPU

Asegúrese de que tiene instalado el controlador de GPU más reciente. Seleccione Buscar actualizaciones en la sección Windows Update de la aplicación Configuración .

Configuración de Torch-DirectML

Instalación de WSL 2

Para instalar el Subsistema de Windows para Linux (WSL) 2, consulte las instrucciones de Instalación de WSL.

A continuación, instale el controlador de GUI de WSL siguiendo las instrucciones del README.md archivo en el repositorio de GitHub microsoft/wslg .

Configuración de un entorno de Python

Se recomienda configurar un entorno de Python virtual dentro de WSL 2. Hay muchas herramientas que puede usar para configurar un entorno de Python virtual; en este tema usaremos Miniconda de Anaconda. El resto de esta configuración supone que usa un entorno de Miniconda.

Instale Miniconda siguiendo las instrucciones del instalador de Linux en el sitio de Anaconda o ejecutando los siguientes comandos en WSL 2.

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh 
bash Miniconda3-latest-Linux-x86_64.sh

Una vez instalado Miniconda, cree un entorno de Python denominado pytdml y actívelo a través de los siguientes comandos:

conda create --name pytdml -y
conda activate pytdml

Instalación de PyTorch y Torch-DirectML

Nota:

El paquete torch-directml admite hasta PyTorch 2.3.1

Todo lo que es necesario para obtener la instalación es instalar la versión más reciente de torch-directml mediante la ejecución del siguiente comando:

pip install torch-directml

Comprobación y creación de dispositivos

Una vez que haya instalado el paquete torch-directml , puede comprobar que se ejecuta correctamente agregando dos tensores. En primer lugar, inicie una sesión interactiva de Python e importe Torch con las siguientes líneas:

import torch
import torch_directml
dml = torch_directml.device()

La versión actual de torch-directml se asigna al back-end de Torch "PrivateUse1". La API torch_directml.device() es un contenedor cómodo para enviar los tensores al dispositivo DirectML.

Con el dispositivo DirectML creado, ahora puede definir dos tensores simples; un tensor que contiene 1 y otro que contiene 2. Coloque los tensores en el dispositivo "dml".

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

Agregue los tensores y imprima los resultados.

dml_algebra = tensor1 + tensor2
dml_algebra.item()

Deberías ver que se muestra el número 3, como en el ejemplo siguiente.

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

PyTorch con ejemplos y comentarios de DirectML

Consulte nuestros ejemplos para ver más usos de PyTorch con DirectML. Si tiene problemas o tiene comentarios sobre el paquete PyTorch con DirectML, conéctese con nuestro equipo aquí.