Dela via

Aktivera GPU-acceleration för TensorFlow 2 med tensorflow-directml-plugin

Viktigt!

Det här projektet har nu upphört och bearbetas inte aktivt.

Den här versionen ger studenter, nybörjare och proffs ett sätt att köra maskininlärningsutbildning (ML) på sin befintliga DirectX 12-aktiverade maskinvara med hjälp av DirectML-pluginprogrammet för TensorFlow 2.

Anmärkning

Du kan installera tensorflow-directml-plugin med python x86-64 3.10. Men tensorflow-directml-plugin stöds inte för version 3.11 och senare.

Lär dig hur du konfigurerar enheten för att köra och träna modeller med GPU:n med hjälp av tensorflow-directml-plugin.

STEG 1: Lägsta (och högsta) systemkrav

Innan du installerar TensorFlow-DirectML-Plugin kontrollerar du att din version av Windows eller WSL stöder TensorFlow-DirectML-Plugin.

Windows-inbyggd funktion

  • Windows 10 Version 1709, 64-bitars (version 16299 eller senare) eller Windows 11 Version 21H2, 64-bitars (version 22000 eller senare)
  • Python x86-64 3.7, 3.8, 3.9 eller 3.10. Version 3.10 är också den högsta version som stöds.
  • En av följande GPU:er som stöds:
    • AMD Radeon R5/R7/R9 2xx-serien eller senare
    • Intel HD Graphics 5xx eller senare
    • NVIDIA GeForce GTX 9xx-serien GPU eller nyare

Windows-undersystem för Linux

  • Windows 10 Version 21H2, 64-bitars (build 20150 eller senare) eller Windows 11 Version 21H2, 64-bitars (version 22000 eller senare)
  • Python x86-64 3.7, 3.8, 3.9 eller 3.10. Version 3.10 är också den högsta version som stöds.
  • En av följande GPU:er som stöds:

Installera den senaste GPU-drivrutinen

Se till att du har den senaste GPU-drivrutinen installerad för din maskinvara. Välj Sök efter uppdateringar i avsnittet Windows Update i Windows-inställningar. Om det behövs hämtar du en installation från maskinvaruleverantören med hjälp av länkarna ovan.

STEG 2: Konfigurera din Windows-miljö

Windows-inbyggd funktion

TensorFlow-DirectML-Plugin-paketet på interna Windows fungerar från och med Windows 10 version 1709 (version 16299 eller senare). Du kan kontrollera versionsnumret för din version genom att köra winver via kommandot Kör (Windows-tangenten + R).

Windows-undersystem för Linux

När du har installerat drivrutinen ovan ska du aktivera WSL och installera en glibc-baserad distribution (till exempel Ubuntu eller Debian). För våra tester använde vi Ubuntu. Kontrollera att du har den senaste kerneln genom att välja Sök efter uppdateringar i avsnittet Windows Update i Windows-inställningar.

Anmärkning

Kontrollera att alternativet Ta emot uppdateringar för andra Microsoft-produkter när du uppdaterar Windows är aktiverat. Du hittar den i Avancerade alternativ i avsnittet Windows Update i Windows-inställningar.

För dessa funktioner behöver du en kernelversion av 5.10.43.3 eller senare. Du kan kontrollera versionsnumret genom att köra följande kommando i PowerShell.

wsl cat /proc/version

STEG 3: Konfigurera din miljö

Vi rekommenderar att du konfigurerar en virtuell Python-miljö i Windows. Det finns många verktyg som du kan använda för att konfigurera en virtuell Python-miljö. För dessa instruktioner använder vi Anacondas Miniconda. Resten av den här installationen förutsätter att du använder en Miniconda-miljö. Läs mer om att använda Python-miljöer

Skapa en miljö i Miniconda

Ladda ned och installera Installationsprogrammet för Miniconda Windows i systemet. Det finns ytterligare vägledning för konfiguration på Anacondas webbplats. När Miniconda har installerats skapar du en miljö med Python med namnet tfdml_plugin och aktiverar den via följande kommandon.

conda create --name tfdml_plugin python=3.9 

conda activate tfdml_plugin

Anmärkning

tensorflow version >= 2.9 och python version >= 3.7 stöds.

STEG 4: Installera basen TensorFlow

Ladda ned baspaketet TensorFlow. För närvarande fungerar directml-plugin endast med tensorflow–cpu==2.10 och inte tensorflow eller tensorflow-gpu.

pip install tensorflow-cpu==2.10

STEG 5: Installera tensorflow-directml-plugin

Om du installerar det här paketet aktiveras automatiskt DirectML-serverdelen för befintliga skript utan några kodändringar.

pip install tensorflow-directml-plugin

Anmärkning

Om träningsskripten hårdkodar enhetssträngen till något annat än "GPU"kan det utlösa fel.

Alternativt kan paketet skapas från källan. Instruktioner för att skapa tensorflow-directml-plugin från källan.

TensorFlow med DirectML-exempel och feedback

Kolla in våra exempel eller använd dina befintliga modellskript. Om du stöter på problem eller har feedback om TensorFlow-DirectML-Plugin-paketet kan du kontakta vårt team.

  • Last updated on