在 Windows 上通过 DirectML 启用 PyTorch
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。
反馈
https://aka.ms/ContentUserFeedback。
即将发布:在整个 2024 年,我们将逐步淘汰作为内容反馈机制的“GitHub 问题”,并将其取代为新的反馈系统。 有关详细信息,请参阅:提交和查看相关反馈