Compartilhar via

Habilitar a aceleração de GPU para TensorFlow 2 com tensorflow-directml-plugin

Importante

Este projeto agora foi descontinuado e não está sendo trabalhado ativamente.

Esta versão fornece aos alunos, iniciantes e profissionais uma maneira de executar o treinamento de ML (machine learning) em seu hardware habilitado para DirectX 12 existente usando o Plug-in DirectML para TensorFlow 2.

Observação

Você pode instalar tensorflow-directml-plugin usando o Python x86-64 3.10. Mas tensorflow-directml-plugin não há suporte para a versão 3.11 e posterior.

Saiba como configurar seu dispositivo para executar e treinar modelos com a GPU usando tensorflow-directml-plugin.

ETAPA 1: Requisitos mínimos (e máximos) do sistema

Antes de instalar o TensorFlow-DirectML-Plugin, verifique se sua versão do Windows ou do WSL dá suporte ao TensorFlow-DirectML-Plugin.

Windows nativo

  • Windows 10 Versão 1709, 64 bits (Build 16299 ou superior) ou Windows 11 Versão 21H2, 64 bits (Build 22000 ou superior)
  • Python x86-64 3.7, 3.8, 3.9 ou 3.10. A versão 3.10 também é a versão máxima com suporte.
  • Uma das seguintes GPUs com suporte:
    • AMD Radeon R5/R7/R9 série 2xx ou mais recente
    • Intel HD Graphics 5xx ou mais recente
    • GPU da série NVIDIA GeForce GTX 9xx ou mais recente

Subsistema do Windows para Linux

Instalar o driver de GPU mais recente

Verifique se você tem o driver de GPU mais recente instalado para seu hardware. Selecione Verificar se há atualizações na seção Windows Update das Configurações do Windows. Se necessário, pegue uma instalação do fornecedor de hardware usando os links acima.

ETAPA 2: Configurar seu ambiente do Windows

Windows nativo

O pacote TensorFlow-DirectML-Plugin no Windows nativo funciona a partir do Windows 10, versão 1709 (Build 16299 ou superior). Você pode verificar o número da versão do build executando winver por meio do comando Executar (tecla de logotipo do Windows + R).

Subsistema do Windows para Linux

Depois de instalar o driver acima, habilite o WSL e instale uma distribuição baseada em glibc (como Ubuntu ou Debian). Para nossos testes, usamos o Ubuntu. Verifique se você tem o kernel mais recente selecionando Verificar se há atualizações na seção Windows Update das Configurações do Windows.

Observação

Certifique-se de que a opção Receber atualizações de outros produtos Microsoft ao atualizar o Windows esteja habilitada. Você pode encontrá-lo em opções avançadas na seção Windows Update das Configurações do Windows.

Para esses recursos, você precisa de uma versão do kernel 5.10.43.3 ou superior. Você pode verificar o número de versão executando o comando a seguir no PowerShell.

wsl cat /proc/version

ETAPA 3: Configurar seu ambiente

É recomendável configurar um ambiente virtual do Python dentro do Windows. Há muitas ferramentas que você pode usar para configurar um ambiente virtual do Python. Para essas instruções, usaremos o Miniconda da Anaconda. O restante dessa configuração pressupõe que você use um ambiente Miniconda. Saiba mais sobre como usar ambientes do Python

Criar um ambiente no Miniconda

Baixe e instale o instalador do Miniconda Windows em seu sistema. Há diretrizes adicionais para a instalação no site da Anaconda. Depois que o Miniconda for instalado, crie um ambiente usando o Python chamado tfdml_plugin e ative-o por meio dos comandos a seguir.

conda create --name tfdml_plugin python=3.9 

conda activate tfdml_plugin

Observação

versão >tensorflow = 2.9 e python versão >= 3.7 com suporte.

ETAPA 4: Instalar o TensorFlow base

Baixe o pacote base do TensorFlow. Atualmente, o plug-in directml só funciona com tensorflow–cpu==2.10 e não com tensorflow ou tensorflow-gpu.

pip install tensorflow-cpu==2.10

ETAPA 5: Instalar tensorflow-directml-plugin

A instalação desse pacote habilita automaticamente o back-end do DirectML para scripts existentes sem alterações de código.

pip install tensorflow-directml-plugin

Observação

Se os scripts de treinamento codificarem a cadeia de caracteres do dispositivo como algo diferente de "GPU", isso poderá gerar erros.

Como alternativa, o pacote pode ser criado a partir da origem. Instruções para compilação tensorflow-directml-plugin a partir do código-fonte.

TensorFlow com exemplos e comentários do DirectML

Confira nossos exemplos ou use seus scripts prontos existentes. Se você encontrar problemas ou tiver comentários sobre o pacote TensorFlow-DirectML-Plugin, entre em contato com nossa equipe.

  • Last updated on