Habilitar o PyTorch com o DirectML no WSL 2

Artigo
05/21/2024

O PyTorch com DirectML fornece uma maneira fácil de usar para os desenvolvedores experimentarem os melhores e mais recentes modelos de IA em computadores Windows. Você pode baixar o PyTorch com DirectML instalando o pacote de PyPi torch-directml. Uma vez configurado, você pode começar com nossas amostras ou usar o AI Toolkit do VS Code.

Verifique sua versão do Windows

O pacote torch-directml no Subsistema do Windows para Linux (WSL) 2 funciona a partir do Windows 11 (Build 22000 ou superior). Verifique o número de versão do build executando winver por meio do comando Run (Tecla Windows + R).

Verificar se há atualizações de driver da GPU

Certifique-se de que você tem os drivers de GPU mais recentes instalados. Selecione Verificar atualizações na seção do Windows Update do aplicativo de Configurações.

Configurar o Torch-DirectML

Instalar o WSL 2

Para instalar o Subsistema do Windows para Linux (WSL) 2, siga as instruções em Instalar o WSL.

Em seguida, instale o driver da interface gráfica do usuário do WSL, seguindo as instruções no arquivo README.md no repositório do GitHub microsoft/wslg.

Configurar um ambiente Python

Recomendamos que você configure um ambiente Python virtual no WSL 2. Há muitas ferramentas que você pode usar para configurar um ambiente virtual Python. Neste tópico, usaremos o Miniconda do Anaconda. O restante dessa configuração pressupõe que você use um ambiente Miniconda.

Instale o Miniconda seguindo as diretrizes do instalador do Linux no site do Anaconda ou executando os comandos a seguir no WSL 2.

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

Depois que o Miniconda for instalado, crie um ambiente Python chamado pytdml e ative-o com os seguintes comandos:

conda create --name pytdml -y
conda activate pytdml

Instalar o PyTorch e o Torch-DirectML

Observação

O pacote torch-directml oferece suporte até o PyTorch 2.2.

Para a configuração, basta instalar a versão mais recente do torch-directml executando o seguinte comando:

pip install torch-directml

Verificação e criação de dispositivos

Depois de instalar o pacote torch-directml, adicione dois tensores para verificar se ele é executado corretamente. Primeiro, inicie uma sessão interativa do Python e importe o Torch com as seguintes linhas:

import torch
import torch_directml
dml = torch_directml.device()

A versão atual do torch-directml é mapeada para o back-end do Torch, "PrivateUse1". A API torch_directml.device() é um wrapper conveniente para enviar os tensores ao dispositivo DirectML.

Com o dispositivo DirectML criado, agora você pode definir dois tensores simples: um tensor contendo 1 e outro contendo 2. Coloque os tensores no dispositivo "dml".

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

Adicione os tensores e imprima os resultados.

dml_algebra = tensor1 + tensor2
dml_algebra.item()

O número 3 deverá ser o resultado, como no exemplo abaixo.

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

PyTorch com exemplos e comentários de DirectML

Confira nossas amostras para ver mais usos do PyTorch com DirectML. Se você tiver problemas ou comentários a fazer sobre o pacote PyTorch com DirectML, entre em contato com nossa equipe.

Compartilhar via