TensorFlow/PyTorch 使用核显训练（仅限win平台）

原创 已于 2024-05-21 17:21:19 修改 · 3.2k 阅读 · 16 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow #人工智能 #python #pytorch #windows 10 #深度学习 #windows

于 2024-03-08 21:54:11 首次发布
本文介绍了如何在Windows10/11系统上通过DirectML利用AMD/Intel显卡进行TensorFlow和PyTorch的训练，包括驱动更新、不同显卡的性能比较以及多GPU的设置方法。结果显示，DirectML接口相比cuDNN约慢30%。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在win10/win11上可以通过DirectML使用 AMD/Intel的核显或是独立显卡进行训练

首先要更新显卡驱动：

AMD驱动在这里更新，如果是核显选择具体CPU型号即可：

AMD核显驱动icon-default.png?t=N7T8https://www.amd.com/en/support/download/drivers.htmlIntel CPU的驱动下载地址

Intel核显驱动icon-default.png?t=N7T8https://www.intel.cn/content/www/cn/zh/search.html?ws=text#sort=relevancy&layout=table&f:@tabfilter=%5BDownloads%5D&f:@stm_10385_zh=%5B%E5%A4%84%E7%90%86%E5%99%A8%5D如果是安装TensorFlow 1.x版本可以参考微软官方方法

在 Windows 上通过 DirectML 启用 TensorFlow1.xicon-default.png?t=N7T8https://learn.microsoft.com/zh-cn/windows/ai/directml/gpu-tensorflow-windows

对应的 whl 文件在这里：

最低0.47元/天 解锁文章
各类深度学习框架详解+深度学习训练环境搭建-GPU版本
master_hunter的博客
10-23 4395
工欲善其事必先利其器，对工具的熟练程度很多时候决定你工程项目的质量和上限。对于人工智能工程师来说，搭建本地深度学习环境来说是比较麻烦的一件事，其中涉及到较多的相关硬件和软件的兼容问题。很多初学者安装的深度学习框架环境仅能够使用CPU运行并没有利用到GPU，关于很多硬件关联的深度学习训练框架并没有清楚的认知，导致配置环境的时候很容易出现各类错误。所以本篇文章主要讲述清楚如何搭建深度学习环境以及框架选择和自己硬件匹配的系统。如果你发现深度学习看似难以掌握，我将尽力简化知识，将其转化为我们更容易理解的内容。
Win10，深度学习GPU环境配置实录（Anaconda + TensorFlow 2 或 TensorFlow 1.15 + keras）
zgjstudy的博客
04-14 2650
这是我第N次遇到把环境搞坏，再重新配环境，然后忘记各个步骤中的指令，然后全网查资料的情况。于是我决定落实一下一直都有的一个想法：写个 Blog 记录下从零开始搭建环境的全过程，以方便将来再次把环境搞坏的自己和遇到相同问题的同学们。 前言 GPU 对深度学习运算效率提升非常巨大，就我目前做的一个项目而言，一个 epoch 用 CPU 耗时 1622s ，而用 GPU 仅需要 33s，粗略估计下使...
秋叶启动器安装Pytorch（Intel Core Ultra，Intel核显）
qinhuanxue的专栏
10-11 5236
于是乎，我挨着从git官网下载对应的源码，并直接将启动器放到拉下来的源码根目录中进行使用（这里注意，不能直接下载xx.zip，必须使用git clone命令下载源码）。废话不多说了，由于公司刚给配了一个新的笔记本，--！本人笔记本中安装了miniconda，还有其他UI中自带的python虚拟环境，很乱，为了精准安装到启动器所在的项目中的python环境中，因此执行命令应该使用绝对路径！搞了半天才搞定，玩大模型没多久，研究了一下，网上看到这个秋叶启动器，耍了一把，大致说一下这玩意儿咋用。
没有英伟达显卡，只有核显，浅装一下TensorFlow
qq_68308828的博客
09-19 1733
没有英伟达显卡，只有核显，浅装一下TensorFlow，环境搭建
TensorFlow ROCm 版本使用指南
最新发布
gitblog_00818的博客
04-16 375
TensorFlow ROCm 版本使用指南 1. 项目介绍 TensorFlow 是一个由 Google 开发并开源的机器学习框架，它提供了一个全面的、灵活的生态系统，包括工具、库和社区资源，以支持研究人员推动机器学习的最新进展，同时也让开发者能够轻松构建和部署基于机器学习的应用程序。TensorFlow ROCm 版本是将 TensorFlow 移植到 ROCm（Radeon Open Com...
Windows系统安装PyTorch框架支持AMD Radeon显卡/Intel显卡
CUFEECR的博客
03-25 1万+
PyTorch对NVIDIA显卡的支持最好，但是通过额外配置，也可以支持其他常见显卡，例如通过安装DirectML即可实现使用AMD和Intel显卡，但是性能上可能存在一定的区别，需要根据需要和表现进行灵活选择。
集成显卡安装Pytorch
qq_52622178的博客
10-09 4084
7、安装pytorch ，打开官网：https://pytorch.org/ ，因为我的电脑是集显，不能在GPU上面加速，所以只能安装cpu版本的pytorch。2、安装完Anaconda之后，第二步查看自己电脑的显卡类型，是集成显卡还是独立显卡，我的电脑是集成显卡，若你的是独立显卡，则看我写的独立显卡的教程。命令查看当前base下的虚拟环境，DL_CPU是我之前创建的环境，pytorch_cpu 是我刚刚创建的环境。，导入torch ，按回车，若返回的是箭头，没有报错，表明torch安装成功。
开发者的福音：PyTorch 2.5现已支持英特尔独立显卡训练
英特尔开发人员专区
11-06 1621
本文将在Intel®Core™ Ultra 7 155H自带的Arc™集成显卡上展示使用Pytorch2.5搭建并训练AI模型的全流程。
Python库[Pytorch,Numpy,]
iku_whf的博客
05-25 1755
PyTorch介绍与安装安装使用 介绍与安装 PyTorch: Python的一个深度学习框架，不多介绍 安装 cpu: pip install pytorch gpu: pip3 install torch==1.4.0+cu100 torchvision==0.5.0+cu100 -f https://download.pytorch.org/whl/torch_stable.html 参考链接 使用 当然在 .py / .ipynb 使用 # 导入 import torch typ
核显可以本地部署deep seek嘛
02-28
由于大多数现代计算机即使只有集显也配备多核处理器，因此可以直接安装仅支持 CPU 的 TensorFlow 或 PyTorch 库，并按照官方文档指导完成后续开发工作。 ```bash pip install tensorflow-cpu==2.9.0 # 安装特定版本...
集成显卡Intel® UHD Graphics 630 安装Pytorch
2019菜鸡进化史
12-13 8391
所以也需要放弃在该电脑上的用VMware新建Ubuntu虚拟机，然后安装有cuda版本的Pytorch，只能使用CPU版本的Pytorch。也放弃了使用VMware虚拟机与主机GPU穿透，没意义，集成显卡不能使用GPU加速。显卡Intel® UHD Graphics 630是集成显卡，所以不能安装cuda和cudann，也不能使用GPU加速。打开任务管理器—>性能---->查看CPU,若判断不了，可以去网上查是集显还是独显。安装Pytorch是为了搭建maskrcnn环境。在创建的虚拟环境下安装命令。
只有intel集成显卡 安装tensorflow
mingchao1313的博客
07-03 6200
安装tensorflow CPU版，GPU版不支持 安装参考： https://blog.youkuaiyun.com/zhanghai4155/article/details/104268737
Intel(R) Iris(R) Xe Graphics安装Anaconda、Pytorch（CPU版本）
m0_56182552的博客
12-16 5079
3.在安装CUDA驱动程序时，需要注意选择正确的显卡型号，如果您使用的是Xe Graphics显卡，需要选择英特尔对应的显卡型号。4.安装完成后，可以使用CUDA编程语言编写GPU加速的程序，并且可以在Xe Graphics显卡上运行。双击cuda_12.6.3_561.17_windows，选好安装的路径，一直下一步。2.安装CUDA驱动程序时，需要注意选择与您的操作系统和硬件兼容的版本。同意并继续，精简，下一步，
配置Tensorflow使用CUDA进行GPU加速(超详细教程)
热门推荐
m0_51302496的博客
04-01 3万+
对于刚使用Tensorflow的友友来说配置环境并使用GPU进行加速也是件令人头疼的事情，纯自己折腾会遇到比较多的坑，所以这里详细介绍一下Tensorflow的环境配置
Intel XE核显跑pytorch踩坑记录
qq_37160051的博客
04-11 702
使用xe核显进行深度学习推理
【Intel ARC Graphics 显卡基于Pytorch xpu进行训练环境】
weixin_47345748的博客
12-02 3520
基于intel ultra 系列arc graphics集显GPU,搭建pytorch xpu环境
CPU集成显卡安装pytorch的整体步骤，后续远程连接服务器
qq_52557074的博客
10-14 1695
集成显卡安装pytorch，安装anaconda、pycharm、配置环境、远程连接服务器跑代码
下载PyTorch框架（win11+Intel(R) Iris(R) Xe Graphics显卡）
m0_37077284的博客
07-02 1万+
网上好多都是GPU、CUDA（CUDNN）安装教程，而且还要求是英伟达的显卡（NV），而查询我的电脑显卡为Intel(R) Iris(R) Xe Graphics，所以安装步骤稍微不同。出现<module 'torch' from 'D:\\MySoftware\\anaconda3\\lib\\site-packages\\torch\\__init__.py'>，选择相对应的版本，自动生成安装命令，并在cmd中输入。
Pytorch xpu环境配置 Pytorch使用Intel集成显卡
传说中胖子
03-03 1403
2、安装Intel oneAPI Base 3、安装Visual Studio Build Tools 4、安装xpu版Pytorch 一个简单的Pytorch训练例子
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值