Partager via

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

  • Article

Important

Ce projet est maintenant interrompu et n’est plus activement développé.

Cette version fournit aux étudiants, aux débutants et aux professionnels un moyen d’exécuter un entrainement d’apprentissage automatique (ML) sur leur matériel DirectX 12 existant à l’aide du plug-in DirectML pour TensorFlow 2.

Remarque

Vous pouvez installer tensorflow-directml-plugin à l’aide de Python x86-64 3.10. Cependant, tensorflow-directml-plugin n’est pas pris en charge pour les versions 3.11 et ultérieures.

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 TensorFlow-DirectML-Plugin, vérifiez que votre version de Windows ou WSL prend en charge TensorFlow-DirectML-Plugin.

Natif Windows

  • Windows 10 version 1709, 64 bits (build 16299 ou ultérieure) ou Windows 11 version 21H2, 64 bits (build 22000 ou 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’un des GPU prises en charge dans la liste qui suit :
    • AMD Radeon R5/R7/R9 2xx ou version ultérieure
    • Intel HD Graphics 5xx ou version ultérieure
    • GPU NVIDIA GeForce GTX 9xx ou version ultérieure

Sous-système Windows pour Linux

Installer les pilotes GPU les plus récents

Vérifiez que les pilotes GPU les plus récents sont installés sur 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.

ÉAPE 2 : Configurer votre environnement Windows

Natif Windows

Le package TensorFlow-DirectML-Plugin sur Windows natif fonctionne sur Windows 10, version 1709 (Build 16299 ou ultérieure). Vous pouvez vérifier votre numéro de version de build en exécutant winver via la commande Run (touche de logo Windows + touche 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 Rechercher les mises à jour dans la section Windows Update de l’application Paramètres.

Remarque

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

Pour ces fonctionnalités, vous avez besoin d’un noyau version 5.10.43.3 ou ultérieure. Vous pouvez vérifier le numéro de version de votre noyau 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 ce guide d’installation part du principe que vous utilisez un environnement Miniconda. En savoir plus sur l’utilisation des environnements Python

Créer un environnement Miniconda

Téléchargez et installez le Windows Installer Miniconda sur votre système. Vous trouverez des instructions supplémentaires pour l’installation sur le site d’Anaconda. Une fois Miniconda installé, créez un environnement à l’aide de Python nommé tfdml_plugin et activez-le à l’aide des commandes suivantes.

conda create --name tfdml_plugin python=3.9 

conda activate tfdml_plugin

Remarque

tensorflow version >= 2.9 et python version >= 3.7 pris en charge.

ÉTAPE 4 : Installer TensorFlow de base

Téléchargez le package TensorFlow de base. Actuellement, directml-plugin fonctionne uniquement avec tensorflow–cpu==2.10. Il ne fonctionne pas 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 génération de tensorflow-directml-plugin à partir de la source.

Exemples et retour d’expérience TensorFlow avec DirectML

Consultez nos exemples ou utilisez vos scripts de modèle existants. Si vous rencontrez des problèmes ou si vous avez des retours à nous faire sur le package TensorFlow-DirectML-Plugin, contactez notre équipe ici.