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 AI Toolkit für VS Code verwenden.

Überprüfen Ihrer Windows-Version

Das torch-directml-Paket im Windows-Subsystem für Linux (WSL) 2 funktioniert ab Windows 11 (Build 22000 oder höher). Sie können ihre Buildversionsnummer überprüfen, indem Sie den Befehl winver" (Windows-Logo-Taste +R) ausführen.

Überprüfen auf GPU-Treiberupdates

Stellen Sie sicher, dass der neueste GPU-Treiber installiert ist. Wählen Sie im Bereich Windows Update der Windows Einstellungen die Option Nach Updates suchen.

Einrichten von Torch-DirectML

Installieren von WSL 2

Informationen zum Installieren des Windows-Subsystems für Linux (WSL) 2 finden Sie in den Anweisungen unter Installieren von WSL.

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

Einrichten einer Python-Umgebung

Es wird empfohlen, eine virtuelle Python-Umgebung in WSL 2 einzurichten. Es gibt viele Tools, mit denen Sie eine virtuelle Python-Umgebung einrichten können – in diesem Thema verwenden wir die Miniconda von Anaconda. Für den Rest dieses Setups wird davon ausgegangen, dass Sie eine Miniconda-Umgebung verwenden.

Installieren Sie Miniconda, indem Sie die Anleitungen des Linux-Installationsprogramms auf der Website von Anaconda oder durch Ausführen der folgenden Befehle in WSL 2 ausführen.

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

Nachdem Miniconda installiert wurde, erstellen Sie eine Python-Umgebung mit dem Namen pytdml, und aktivieren Sie sie über die folgenden Befehle:

conda create --name pytdml -y
conda activate pytdml

Installieren von PyTorch und Torch-DirectML

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

pip install torch-directml

Überprüfung und Geräteerstellung

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

import torch
import torch_directml
dml = torch_directml.device()

Die aktuelle Version von torch-directml wird dem Torch-Backend "PrivateUse1" zugeordnet. Die API torch_directml.device() 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 enthält, 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()

Sie sollten die Zahl 3 wie im folgenden Beispiel ausgegeben sehen.

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

PyTorch mit DirectML-Beispielen und Feedback

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