Activer PyTorch avec DirectML sur WSL 2

PyTorch avec DirectML offre un moyen facile à utiliser pour les développeurs d’essayer les modèles IA les plus récents et les plus grands sur leur ordinateur Windows. Vous pouvez télécharger PyTorch avec DirectML en installant le package PyPi torch-directml . Une fois configuré, vous pouvez commencer par nos exemples ou utiliser AI Toolkit pour VS Code.

Vérifier votre version de Windows

Le package torch-directml dans le sous-système Windows pour Linux (WSL) 2 fonctionne à partir de Windows 11 (build 22000 ou version ultérieure). Vous pouvez vérifier votre numéro de version de build en exécutant winver la commande Exécuter (touche de logo Windows + R).

Rechercher les mises à jour du pilote GPU

Vérifiez que le pilote GPU le plus récent est installé. Sélectionnez Rechercher les mises à jour dans la section Windows Update des paramètres Windows.

Configurer Torch-DirectML

Installer WSL 2

Pour installer le sous-système Windows pour Linux (WSL) 2, consultez les instructions de l’installation de WSL.

Installez ensuite le pilote gui WSL en suivant les instructions du README.md fichier dans le dépôt GitHub microsoft/wslg .

Configurer un environnement Python

Nous vous recommandons de configurer un environnement Python virtuel dans WSL 2. Il existe de nombreux outils que vous pouvez utiliser pour configurer un environnement Python virtuel. Dans cette rubrique, nous allons utiliser Miniconda d’Anaconda. Le reste de cette configuration suppose que vous utilisez un environnement Miniconda.

Installez Miniconda en suivant les instructions du programme d’installation Linux sur le site d’Anaconda ou en exécutant les commandes suivantes dans WSL 2.

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

Une fois Miniconda installé, créez un environnement Python nommé pytdml et activez-le via les commandes suivantes :

conda create --name pytdml -y
conda activate pytdml

Installer PyTorch et Torch-DirectML

Tout ce qui est nécessaire pour se préparer est d’installer la dernière version de torch-directml en exécutant la commande suivante :

pip install torch-directml

Vérification et création d’appareils

Une fois que vous avez installé le package torch-directml , vous pouvez vérifier qu’il s’exécute correctement en ajoutant deux tenseurs. Commencez par démarrer une session Python interactive et importez Torch avec les lignes suivantes :

import torch
import torch_directml
dml = torch_directml.device()

La version actuelle de torch-directml est associée au back-end Torch « PrivateUse1 ». L’API torch_directml.device() est un wrapper pratique pour envoyer vos tenseurs à l’appareil DirectML.

Avec l’appareil DirectML créé, vous pouvez maintenant définir deux tenseurs simples ; un tenseur contenant un 1 et un autre contenant un 2. Placez les tenseurs sur l’appareil « dml ».

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

Ajoutez les tenseurs ensemble et imprimez les résultats.

dml_algebra = tensor1 + tensor2
dml_algebra.item()

Vous devez voir le nombre 3 en sortie, comme dans l’exemple ci-dessous.

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

Échantillons et commentaires de PyTorch avec DirectML

Consultez nos exemples pour voir plus d’utilisations de PyTorch avec DirectML. Si vous rencontrez des problèmes ou si vous avez des commentaires sur le package PyTorch avec DirectML, contactez notre équipe ici.