Partager via

Activer l’accélération GPU pour TensorFlow 2 avec tensorflow-directml-plugin

Important

Ce projet est maintenant abandonné et n’est plus en cours.

Cette version fournit aux étudiants, aux débutants et aux professionnels un moyen d’exécuter une formation machine learning (ML) sur leur matériel directX 12 existant à l’aide du plug-in DirectML pour TensorFlow 2.

Remarque

Vous pouvez l’installer tensorflow-directml-plugin à l’aide de Python x86-64 3.10. Mais tensorflow-directml-plugin n’est pas pris en charge pour la version 3.11 et ultérieure.

Découvrez comment configurer votre appareil pour exécuter et entraîner des modèles avec le GPU à l’aide de tensorflow-directml-plugin.

ÉTAPE 1 : Configuration système minimale (et maximale) requise

Avant d’installer le plug-in TensorFlow-DirectML-, vérifiez que votre version de Windows ou WSL prend en charge TensorFlow-DirectML-Plugin.

Windows natif

  • Windows 10 version 1709, 64 bits (build 16299 ou ultérieure) ou Windows 11 version 21H2, 64 bits (build 22000 ou version ultérieure)
  • Python x86-64 3.7, 3.8, 3.9 ou 3.10. La version 3.10 est également la version maximale prise en charge.
  • L’une des GPU prises en charge suivantes :
    • AMD Radeon R5/R7/R9 série des 2xx ou plus récent
    • Intel HD Graphics 5xx ou version ultérieure
    • GPU de la série NVIDIA GeForce GTX 9xx ou version ultérieure

Sous-système Windows pour Linux

Installer le pilote GPU le plus récent

Vérifiez que le pilote GPU le plus récent est installé pour votre matériel. Sélectionnez Rechercher les mises à jour dans la section Windows Update de l’application Paramètres . Si nécessaire, récupérez une installation auprès de votre fournisseur de matériel à l’aide des liens ci-dessus.

ÉTAPE 2 : Configurer votre environnement Windows

Windows natif

Le package TensorFlow-DirectML-Plugin sur Windows natif fonctionne à partir de Windows 10, version 1709 (build 16299 ou version ultérieure). Vous pouvez vérifier votre numéro de version de build en exécutant winver la commande Exécuter (touche de logo Windows + R).

Sous-système Windows pour Linux

Une fois que vous avez installé le pilote ci-dessus, veillez à activer WSL et à installer une distribution glibc (par exemple Ubuntu ou Debian). Pour nos tests, nous avons utilisé Ubuntu. Vérifiez que vous disposez du noyau le plus récent en sélectionnant Vérifier les mises à jour dans la section Windows Update de l’application Paramètres.

Remarque

Assurez-vous que l’option Recevoir les mises à jour pour d’autres produits Microsoft lorsque vous mettez à jour Windows est activée. Vous pouvez le trouver dans les options avancées dans la section Windows Update de l’application Paramètres.

Pour ces fonctionnalités, vous avez besoin d’une version noyau de 5.10.43.3 ou ultérieure. Vous pouvez vérifier le numéro de version en exécutant la commande suivante dans PowerShell.

wsl cat /proc/version

ÉTAPE 3 : Configurer votre environnement

Nous vous recommandons de configurer un environnement Python virtuel dans Windows. Il existe de nombreux outils que vous pouvez utiliser pour configurer un environnement Python virtuel. Pour ces instructions, nous allons utiliser Miniconda d’Anaconda. Le reste de cette configuration suppose que vous utilisez un environnement Miniconda. En savoir plus sur l’utilisation d’environnements Python

Créer un environnement dans Miniconda

Téléchargez et installez le programme d’installation de Miniconda Windows sur votre système. Il existe des conseils supplémentaires pour la configuration sur le site d’Anaconda. Une fois Miniconda installé, créez un environnement à l’aide de Python nommé tfdml_plugin et activez-le via les commandes suivantes.

conda create --name tfdml_plugin python=3.9 

conda activate tfdml_plugin

Remarque

Les versions de tensorflow >= 2.9 et les versions de python >= 3.7 sont prises en charge.

ÉTAPE 4 : Installer TensorFlow de base

Téléchargez le package TensorFlow de base. Actuellement, le plug-in directml fonctionne uniquement avec tensorflow–cpu==2.10 et non avec tensorflow ou tensorflow-gpu.

pip install tensorflow-cpu==2.10

ÉTAPE 5 : Installer tensorflow-directml-plugin

L’installation de ce package active automatiquement le back-end DirectML pour les scripts existants sans aucune modification du code.

pip install tensorflow-directml-plugin

Remarque

Si vos scripts d’entraînement codent en dur la chaîne de l’appareil vers un autre élément que "GPU", cela peut générer des erreurs.

Vous pouvez également générer le package à partir de la source. Instructions pour la création tensorflow-directml-plugin à partir de la source.

TensorFlow avec des exemples DirectML et des commentaires

Consultez nos exemples ou utilisez les scripts de modèle existants. Si vous rencontrez des problèmes ou si vous avez des commentaires sur le package TensorFlow-DirectML-Plugin, contactez notre équipe.