Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
PyTorch avec DirectML permet l’apprentissage et l’inférence sur des GPU compatibles DirectX 12 dans Sous-système Windows pour Linux (WSL). PyTorch avec DirectML est en préversion publique et fonctionne dans WSL 2.
Vérifiez votre version de Windows
Le torch-directml package dans WSL 2 nécessite Windows 11, build 22000 ou version ultérieure. Pour vérifier votre version de Windows et votre numéro de build, sélectionnez la touche du logo Windows + R, tapez winver, puis sélectionnez OK.
Installer WSL 2
Pour installer la distribution Linux par défaut avec WSL 2, ouvrez PowerShell ou Windows invite de commandes en mode administrateur et exécutez :
wsl --install
Redémarrez votre ordinateur lorsque vous y êtes invité. Pour connaître la sélection de distribution et d’autres options d’installation, consultez Installer Linux sur Windows avec WSL.
Rechercher les mises à jour du pilote GPU
Installez le dernier pilote Windows disponible pour votre GPU via Windows Update ou le site web de votre fabricant de matériel. Le pilote Windows active l'accélération GPU dans WSL ; vous n'avez pas besoin d'installer un pilote d'affichage Linux distinct.
Configurer Python
Installez un environnement Python dans votre distribution WSL. Par exemple, exécutez les commandes suivantes pour installer Miniconda :
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
Ensuite, créez et activez un environnement nommé pytorch-directml:
conda create --name pytorch-directml python=3.10
conda activate pytorch-directml
Installer PyTorch avec DirectML
Installez le package torch-directml :
pip install torch-directml
Vérifier l’installation
Démarrez Python et exécutez le code suivant pour ajouter deux tenseurs sur l’appareil DirectML :
import torch
import torch_directml
dml = torch_directml.device()
tensor1 = torch.tensor([1]).to(dml)
tensor2 = torch.tensor([2]).to(dml)
dml_algebra = tensor1 + tensor2
print(dml_algebra.item())
Sortie attendue :
3
Exemples et commentaires
Pour obtenir des exemples, consultez les exemples PyTorch DirectML . Pour signaler des problèmes de package ou des fonctionnalités de demande, utilisez le suivi des problèmes DirectML.