Aktivieren von PyTorch mit DirectML unter WSL 2

PyTorch mit DirectML bietet Entwicklern eine benutzerfreundliche Möglichkeit, die neuesten und besten KI-Modelle auf ihrem Windows-Computer auszuprobieren. Sie können PyTorch mit DirectML herunterladen, indem Sie das torch-directml PyPi-Paket installieren. Nach der Einrichtung können Sie mit unseren Beispielen beginnen oder das KI-Toolkit für VS Code verwenden.

Überprüfen der Version von Windows

Das Paket torch-directml auf systemeigenen Windows-Subsystem für Linux (WSL) 2 funktioniert ab Windows 11 (Build 22000 oder höher). Sie können die Buildversionsnummer überprüfen, indem Sie winver mit dem Befehl Ausführen (Windows-Logotaste + R) ausführen.

Überprüfen auf GPU-Treiberupdates

Stellen Sie sicher, dass Sie den neuesten GPU-Treiber installiert haben. Wählen Sie im Abschnitt Windows Update der App Einstellungen die Option Nach Updates suchen aus.

Einrichten von Torch-DirectML

Installieren von WSL 2

Um das Windows-Subsystem für Linux (WSL) 2 zu installieren, befolgen Sie die Anweisungen in Installieren von WSL.

Installieren Sie dann den WSL-GUI-Treiber, indem Sie den Anweisungen in der Datei README.md im GitHub-Repository microsoft/wslg folgen.

Einrichten einer Python-Umgebung

Es wird empfohlen, eine virtuelle Python-Umgebung in WSL 2 einzurichten. Es gibt viele Tools, die Sie verwenden können, um eine virtuelle Python-Umgebung einzurichten. In diesem Fall wird Miniconda von Anaconda verwendet. Für den Rest dieses Setups wird davon ausgegangen, dass Sie eine Miniconda-Umgebung verwenden.

Installieren Sie Miniconda, indem Sie dem Linux Installations-Leitfaden auf der Anaconda-Site folgen oder durch Ausführen der folgenden Befehle in WSL 2.

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh 
bash Miniconda3-latest-Linux-x86_64.sh

Sobald Miniconda installiert ist, erstellen Sie eine Python-Umgebung namens pytdml und aktivieren diese mit den folgenden Befehlen:

conda create --name pytdml -y
conda activate pytdml

Installieren Sie PyTorch und Torch-DirectML

Alles, was zum Einrichten erforderlich ist, ist die Installation der neuesten Version von torch-directml , indem Sie den folgenden Befehl ausführen:

pip install torch-directml

Überprüfung und Geräteerstellung

Sobald Sie das Paket torch-directml installiert haben, können Sie überprüfen, ob es ordnungsgemäß ausgeführt wird, indem Sie zwei Tensoren hinzufügen. Starten Sie zuerst eine interaktive Python-Sitzung, und importieren Sie Torch mit den folgenden Positionen:

import torch
import torch_directml
dml = torch_directml.device()

Die aktuelle Version von torch-directml wird dem „PrivateUse1“-Torch-Back-End zugeordnet. Die torch_directml.device()-API ist ein praktischer Wrapper zum Senden Ihrer Tensoren an das DirectML-Gerät.

Mit dem erstellten DirectML-Gerät können Sie nun zwei einfache Tensoren definieren. ein Tensor, der eine 1 und ein anderer, der eine 2 enthält. Platzieren Sie die Tensoren auf dem „dml“-Gerät.

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

Fügen Sie die Tensoren zusammen, und drucken Sie die Ergebnisse.

dml_algebra = tensor1 + tensor2
dml_algebra.item()

Die Ausgabe 3 sollte wie im folgenden Beispiel angezeigt werden.

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

Beispiele und Feedback für PyTorch mit DirectML

Sehen Sie sich unsere Beispiele an, um weitere Verwendungsmöglichkeiten von PyTorch mit DirectML zu sehen. Wenn Sie Probleme haben oder Feedback zum PyTorch mit DirectML-Paket haben, wenden Sie sich bitte hier an unser Team.