Windows 平台下AMD 显卡加速pytorch训练_directml pytorch

Windows 11已经支持使用directml加速 pytorch了。

2024.5.24 更新，新的torch-directml 包已经发布，完美支持常用算法。

-----------------------------------------------------------------------------------------------------

2021,11,16更新： directml-pytorch已经推出：

pip install pytorch-directml

详细教程：(4条消息) Windows下用amd显卡训练 ： Pytorch-directml 重大升级，改为pytorch插件形式，兼容更好_znsoft的博客-CSDN博客_amd显卡 pytorch

-----------------------------------------------------------------------------

以 下为旧内容，依然适用，但是不推荐了。看横线以上的。

官方训练原理解释： ONNX Runtime Training Technical Deep Dive - Microsoft Tech Community

检查 支持的设备

import onnxruntime as ort
ort.get_device()

ONNX运行时（ORT）能够通过优化的后端训练现有的PyTorch模型。为此，我们为pythorch引入了一个pythorch API，称为ORTTrainer，可用于将pythorch模型的训练后端（实例torch.nn.Module）切换到orttrainer。这需要对trainer代码进行一些更改，比如替换PyTorch优化器，还可以选择设置标志来启用其他特性，比如mixed-precisiontraining。下面是一个将ONNX运行时培训集成到PyTorchpre-training脚本中的示例代码片段：

注：目前的API是实验性的，预计在不久的将来会有重大变化。我们的目标是改进接口，以提供与Pythorch训练的无缝集成，这需要对用户的训练代码进行最小的更改。

 
 
import torch
...
import onnxruntime
from onnxruntime.capi.ort_trainer import IODescription, ModelDescription, ORTTrainer
 
# Model definition
class Net(torch.nn.Module):
  def __init__(self, D_in, H, D_out):
    ...
  def forward(self, x):
    ...
model = Net(D_in, H, H_out)
criterion = torch.nn.Functional.cross_entropy
description = ModelDescription(...)
optimizer = 'SGDOptimizer'
trainer = ORTTrainer(model, criterion, description, optimizer, ...)
# Training Loop
for t in range(1000):
  # forward + backward + weight update
  loss, y_pred = trainer.train_step(x, y, learning_rate)
  ...