Partilhar via

Habilite a aceleração da GPU para o TensorFlow 2 com tensorflow-directml-plugin

Importante

Este projeto foi descontinuado e não está sendo trabalhado ativamente.

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

Observação

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

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

PASSO 1: Requisitos mínimos (e máximos) do sistema

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

Nativo para Windows

  • 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 suportada.
  • Uma das seguintes GPUs suportadas:
    • AMD Radeon série R5/R7/R9 2xx ou mais recente
    • Intel HD Graphics 5xx ou superior
    • GPU NVIDIA GeForce GTX série 9xx ou mais recente

Subsistema Windows para Linux

Instale o driver de GPU mais recente

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

PASSO 2: Configurar o seu ambiente Windows

Nativo para Windows

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 da compilação executando winver através do comando Executar (tecla do logotipo do Windows + R).

Subsistema Windows para Linux

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

Observação

Certifique-se de que tem a opção Receber atualizações para outros produtos Microsoft quando atualizar o Windows ativada. Pode encontrá-lo em Opções avançadas na secção Windows Update das Definições do Windows.

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

wsl cat /proc/version

PASSO 3: Configurar o seu ambiente

Recomendamos configurar um ambiente Python virtual dentro do Windows. Há muitas ferramentas que você pode usar para configurar um ambiente Python virtual — para estas instruções, usaremos o Miniconda do Anaconda. O restante dessa configuração pressupõe que você use um ambiente Miniconda. Saiba mais sobre como usar ambientes python

Criar um ambiente no Miniconda

Baixe e instale o instalador Miniconda do Windows em seu sistema. Há orientações adicionais para configuração no site da Anaconda. Uma vez instalado o Miniconda, crie um ambiente usando Python chamado tfdml_plugin e ative-o através dos seguintes comandos.

conda create --name tfdml_plugin python=3.9 

conda activate tfdml_plugin

Observação

TensorFlow versão >= 2.9 e Python versão >= 3.7 suportado.

PASSO 4: Instalar o TensorFlow base

Faça o download do pacote base do TensorFlow. Atualmente o directml-plugin só funciona com tensorflow–cpu==2.10 e não com tensorflow ou tensorflow-gpu.

pip install tensorflow-cpu==2.10

PASSO 5: Instalar tensorflow-directml-plugin

A instalação deste pacote habilita automaticamente o back-end 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 para algo diferente de "GPU", isso poderá gerar erros.

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

TensorFlow com amostras e comentários do DirectML

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

  • Last updated on