在 Windows 上通过 DirectML 启用 PyTorch

  • 项目

此预览版为学生和初学者提供了一种方法，可使用 torch-directml 包开始在现有硬件上的机器学习 (ML) 空间中构建知识。 设置后，即可开始使用我们的示例。

注意

一些信息与预发布产品相关，在商业发行之前可能发生实质性修改。 Microsoft 对此处提供的信息不提供任何明示或暗示的保证。

检查 Windows 版本

本机 Windows 上的 torch-directml 包从 Windows 10 版本 1709（内部版本 16299 或更高版本）开始运行。 可以查看内部版本号，方法是通过 Run 命令（Windows 徽标键 + R）运行 winver。

检查 GPU 驱动程序更新

确保已安装最新的 GPU 驱动程序。 在“设置”应用的“Windows 更新”部分中，选择“检查是否有更新”。

设置 Torch-DirectML 插件预览版

建议在 Windows 内设置虚拟 Python 环境。 可以使用许多工具来设置虚拟 Python 环境 - 对于这些说明，我们将使用 Anaconda 的 Miniconda。 此设置的其余部分假定你使用 Miniconda 环境。

设置 Python 环境

在系统上下载并安装 Miniconda Windows 安装程序。 Anaconda 网站上提供了关于设置的附加指南。 安装 Miniconda 后，使用名为 directml 的 Python 创建环境并通过以下命令将其激活。

conda create --name pydml -y
conda activate pydml

安装 PyTorch 和 Torch-DirectML 插件

注意

torch-directml 包仅支持 PyTorch 1.13。

最新版本的 Torch-DirectML 遵循插件模型，这意味着要安装两个包。 首先，运行以下命令安装 PyTorch 依赖项：

conda install numpy pandas tensorboard matplotlib tqdm pyyaml -y
pip install opencv-python
pip install wget
pip install torchvision

然后，安装 PyTorch。 对于我们的目的而言，只需安装 cpu 版本（因为 directml 未包含在 pytorch 的主分支中）。 但是，如果需要其他计算平台，请按照 PyTorch 网站上的安装说明进行操作。

conda install pytorch cpuonly -c pytorch

最后，安装 Torch-DirectML 插件。

pip install torch-directml

验证和设备创建

安装 Torch-DirectML 包后，可以通过添加两个张量来验证其是否正确运行。 首先启动交互式 Python 会话，并使用以下行导入 Torch：

import torch
import torch_directml
dml = torch_directml.device()

Torch-DirectML 插件的当前版本将映射到 "PrivateUse1" Torch 后端。 新的 torch_directml.device() API 是一种方便的包装器，用于将张量发送到 DirectML 设备。

创建 DirectML 设备后，现在可以定义两个简单的张量：一个张量包含 1，另一个张量包含 2。 将张量放置在 "dml" 设备上。

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

将两个张量相加，然后打印结果。

dml_algebra = tensor1 + tensor2
dml_algebra.item()

你应该会看到输出数字 3，如以下示例所示。

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

PyTorch with DirectML 示例和反馈

现在，你已准备好开始了解有关 ML 训练的详细信息。 查看我们的示例以开始使用。 如果遇到问题或有关于 PyTorch with DirectML 包的反馈，请在此处与我们的团队联系。