门户网站建设分工的通知,小程序开发教程视频,网站开发和游戏开发的区别,凡科互动公司《PyTorch 2.5重磅更新#xff1a;性能优化新特性》中的一个新特性就是#xff1a;正式支持在英特尔独立显卡上训练模型#xff01; PyTorch 2.5 独立显卡类型 支持的操作系统 Intel 数据中心GPU Max系列 Linux Intel Arc™系列 Linux/Windows
本文将在IntelCore™…《PyTorch 2.5重磅更新性能优化新特性》中的一个新特性就是正式支持在英特尔®独立显卡上训练模型 PyTorch 2.5 独立显卡类型 支持的操作系统 Intel® 数据中心GPU Max系列 Linux Intel® Arc™系列 Linux/Windows
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。 一搭建开发环境
首先请安装显卡驱动参考指南
https://dgpu-docs.intel.com/driver/client/overview.html
然后请下载并安装Anaconda链接↓↓
https://www.anaconda.com/download
并用下面的命令创建并激活名为pytorch_arc的虚拟环境
conda create -n pytorch_arc python3.11 #创建虚拟环境conda activate pytorch_arc #激活虚拟环境python -m pip install --upgrade pip #升级pip到最新版本
接着安装Pytorch XPU版
pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/xpu
滑动查看更多 最后执行命令验证安装。看到返回结果为“True”证明环境搭建成功 import torch torch.xpu.is_available() 二训练ResNet模型 执行下载的训练代码实现在Intel® Arc™集成显卡上训练ResNet50模型。代码下载链接
import torchimport torchvisionLR 0.001DOWNLOAD TrueDATA datasets/cifar10/transform torchvision.transforms.Compose( [ torchvision.transforms.Resize((224, 224)), torchvision.transforms.ToTensor(), torchvision.transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)), ])train_dataset torchvision.datasets.CIFAR10( rootDATA, trainTrue, transformtransform, downloadDOWNLOAD,)train_loader torch.utils.data.DataLoader(datasettrain_dataset, batch_size128)train_len len(train_loader)model torchvision.models.resnet50()criterion torch.nn.CrossEntropyLoss()optimizer torch.optim.SGD(model.parameters(), lrLR, momentum0.9)model.train()model model.to(xpu)criterion criterion.to(xpu)print(fInitiating training)for batch_idx, (data, target) in enumerate(train_loader): data data.to(xpu) target target.to(xpu) optimizer.zero_grad() output model(data) loss criterion(output, target) loss.backward() optimizer.step() if (batch_idx 1) % 10 0: iteration_loss loss.item() print(fIteration [{batch_idx1}/{train_len}], Loss: {iteration_loss:.4f})torch.save( { model_state_dict: model.state_dict(), optimizer_state_dict: optimizer.state_dict(), }, checkpoint.pth,)print(Execution finished) 三总结 使用PyTorch在英特尔独立显卡上训练模型将为AI行业新增计算硬件选择
