Aktivera PyTorch med DirectML i Windows

PyTorch med DirectML är ett enkelt sätt för utvecklare att prova de senaste och bästa AI-modellerna på sin Windows-dator. Du kan ladda ned PyTorch med DirectML genom att installera PyPi-paketet torch-directml . När du har konfigurerat kan du börja med våra exempel eller använda AI Toolkit för VS Code.

Kontrollera din version av Windows

Torch-directml-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).

Sök efter GPU-drivrutinsuppdateringar

Kontrollera att du har den senaste GPU-drivrutinen installerad. Välj Sök efter uppdateringar i avsnittet Windows Update i Windows-inställningar.

Konfigurera Torch-DirectML

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.

Konfigurera en Python-miljö

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 pytdml och aktiverar den via följande kommandon.

conda create --name pytdml -y
conda activate pytdml

Installera PyTorch och Torch-DirectML

Anmärkning

Torch-directml-paketet stöder upp till PyTorch 2.3.1

Allt som behövs för att komma igång är att installera den senaste versionen av torch-directml genom att köra följande kommando:

pip install torch-directml

Verifiering och enhetsskapande

När du har installerat torch-directml-paketet kan du kontrollera att det körs korrekt genom att lägga till två tensorer. Starta först en interaktiv Python-session och importera Torch med följande rader:

import torch
import torch_directml
dml = torch_directml.device()

Den aktuella versionen av torch-directml mappas till "PrivateUse1" Torch-backend. API:et torch_directml.device() är en praktisk omslutning för att skicka tensorerna till DirectML-enheten.

När DirectML-enheten har skapats kan du nu definiera två enkla tensorer. en tensor som innehåller en 1 och en annan som innehåller en 2. Placera tensorerna på "dml"-enheten.

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

Lägg ihop tensorerna och skriv ut resultatet.

dml_algebra = tensor1 + tensor2
dml_algebra.item()

Du bör se talet 3 som utdata, som i exemplet nedan.

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

PyTorch med DirectML-exempel och feedback

Kolla in våra exempel för att se fler användningar av PyTorch med DirectML. Om du stöter på problem eller har feedback om PyTorch med DirectML-paketet kan du kontakta vårt team här.