在 Windows 上通过 DirectML 启用 PyTorch

项目
05/21/2024

PyTorch with DirectML 为开发人员提供一种易于使用的方式，可在其 Windows 计算机上试用最新的和最出色的 AI 模型。可以通过安装 torch-directml PyPi 包下载 PyTorch with DirectML。设置之后，即可开始使用我们的示例，或者使用用于 VS Code 的 AI 工具包。

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

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 pytdml 的 Python 创建环境并通过以下命令将其激活。

conda create --name pytdml -y
conda activate pytdml

安装 PyTorch 和 Torch-DirectML

注意

torch-directml 包支持的最高版本为 PyTorch 2.2

获取安装所需的所有操作是通过运行以下命令来安装最新版本的 torch-directml：

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 的当前版本映射到“PrivateUse1”Torch 后端。 torch_directml.device() API 是一个方便的包装器，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)

将张量相加，然后打印结果。

dml_algebra = tensor1 + tensor2
dml_algebra.item()

应该显示输出数字 3，如下例所示。

>>> 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

请查看我们的示例，以了解 PyTorch with DirectML 的更多用法。如果遇到问题或有关于 PyTorch with DirectML 包的反馈，请与我们的团队联系。

通过