重要
このプロジェクトは現在廃止され、積極的に取り組んでいません。
このリリースでは、学生、初心者、および専門家が、TensorFlow 2 用 DirectML プラグインを使用して、既存の DirectX 12 対応ハードウェアで機械学習 (ML) トレーニングを実行する方法を提供します。
注
python x86-64 3.10 を使用して、 tensorflow-directml-plugin をインストールできます。 ただし、バージョン 3.11 以降では、 tensorflow-directml-plugin はサポートされていません。
tensorflow-directml-pluginを使用して GPU でモデルを実行およびトレーニングするようにデバイスを構成する方法について説明します。
手順 1: 最小 (および最大) のシステム要件
TensorFlow-DirectML-Plugin をインストールする前に、Windows または WSL のバージョンで TensorFlow-DirectML-Plugin がサポートされていることを確認してください。
Windows ネイティブ
- Windows 10 バージョン 1709、64 ビット (ビルド 16299 以降) または Windows 11 バージョン 21H2、64 ビット (ビルド 22000 以降)
- Python x86-64 3.7、3.8、3.9、または 3.10。 バージョン 3.10 もサポートされている 最大 バージョンです。
- サポートされている次のいずれかの GPU:
- AMD Radeon R5/R7/R9 2xx シリーズ以降
- Intel HD Graphics 5xx 以降
- NVIDIA GeForce GTX 9xx シリーズ GPU 以降
Linux 用 Windows サブシステム
- Windows 10 バージョン 21H2、64 ビット (ビルド 20150 以降) または Windows 11 バージョン 21H2、64 ビット (ビルド 22000 以降)
- Python x86-64 3.7、3.8、3.9、または 3.10。 バージョン 3.10 もサポートされている 最大 バージョンです。
- サポートされている次のいずれかの GPU:
- AMD Radeon R5/R7/R9 2xx シリーズ以降、 および 20.20.01.05 ドライバー以降
- Intel HD Graphics 6xx 以降、および 28.20.100.8322 以降のドライバー
- NVIDIA GeForce GTX 9xx シリーズ GPU 以降、 および 460.20 以降のドライバー
最新の GPU ドライバーをインストールする
ハードウェアに最新の GPU ドライバーがインストールされていることを確認します。 [設定] アプリの [Windows Update] セクションで [更新プログラムの確認] を選択します。 必要に応じて、上記のリンクを使用してハードウェア ベンダーからインストールを取得します。
手順 2: Windows 環境を構成する
Windows ネイティブ
ネイティブ Windows 上 の TensorFlow-DirectML-Plugin パッケージは、Windows 10 バージョン 1709 (ビルド 16299 以降) 以降で動作します。 winver] コマンド (Windows ロゴ キー + R) を使用してを実行することで、ビルドのバージョン番号を確認できます。
Linux 用 Windows サブシステム
上記のドライバーをインストールしたら、 WSL を有効に し、 glibc ベースのディストリビューション (Ubuntu や Debian など) をインストールします。 テストでは、Ubuntu を使用しました。 [設定] アプリの [Windows Update] セクションで [更新プログラムの確認] を選択して、最新のカーネルがあることを確認します。
注
[Windows の更新時に他の Microsoft 製品の更新プログラムを受信する] オプションが有効になっていることを確認します。 これは、[設定] アプリの [Windows Update] セクションの [詳細設定] オプションで確認できます。
これらの機能には、5.10.43.3 以降のカーネル バージョンが必要です。 PowerShell で次のコマンドを実行すると、バージョン番号を確認できます。
wsl cat /proc/version
手順 3: 環境を設定する
Windows 内で仮想 Python 環境を設定することをお勧めします。 仮想 Python 環境のセットアップに使用できるツールは多数あります。これらの手順では、 Anaconda の Miniconda を使用します。 このセットアップの残りの部分では、Miniconda 環境を使用することを前提としています。 Python 環境の使用の詳細
Miniconda で環境を作成する
Miniconda Windows インストーラーをシステムにダウンロードしてインストールします。 Anaconda のサイトで セットアップするための追加のガイダンス があります。 Miniconda がインストールされたら、 tfdml_pluginという名前の Python を使用して環境を作成し、次のコマンドを使用してアクティブ化します。
conda create --name tfdml_plugin python=3.9
conda activate tfdml_plugin
注
tensorflow バージョン >= 2.9、python バージョン >= 3.7 がサポートされています。
手順 4: ベース TensorFlow をインストールする
ベース TensorFlow パッケージをダウンロードします。 現在、directml プラグインは tensorflow–cpu==2.10 でのみ機能し、 tensorflow や tensorflow-gpuでは動作しません。
pip install tensorflow-cpu==2.10
手順 5: tensorflow-directml-plugin をインストールする
このパッケージをインストールすると、コードを変更することなく、既存のスクリプトの DirectML バックエンドが自動的に有効になります。
pip install tensorflow-directml-plugin
注
トレーニング スクリプトでデバイス文字列を "GPU"以外の文字列にハードコーディングすると、エラーが発生する可能性があります。
または、ソースからパッケージをビルドすることもできます。 ソースから tensorflow-directml-plugin を構築する手順。
TensorFlow と DirectML のサンプルとフィードバック
サンプルを確認するか、既存のモデル スクリプトを使用してください。 問題が発生した場合、または TensorFlow-DirectML-Plugin パッケージに関するフィードバックがある場合は、 Microsoft のチームに接続してください。