PyTorch的DirectML后端，用于硬件加速。
项目描述
PyTorch with DirectML
DirectML为PyTorch提供的加速功能目前处于公开预览阶段。PyTorch with DirectML允许在广泛的DirectX 12兼容硬件上训练和推理复杂的机器学习模型。
DirectML是一个高性能、硬件加速的DirectX 12库，用于机器学习。DirectML为支持硬件和驱动程序上常见的机器学习任务提供GPU加速，包括来自AMD、Intel、NVIDIA和Qualcomm等所有DirectX 12兼容GPU的供应商。
有关DirectML的更多信息，请参阅 DirectML简介。
PyTorch在DirectML的支持下，既适用于Windows 10的最新版本，也适用于Windows Subsystem for Linux，并且作为PyPI软件包可供下载。有关入门信息，请参阅GPU加速ML训练（docs.microsoft.com）
示例
反馈
我们期待您的反馈！
-
有关TensorFlow与DirectML的问题、错误和反馈；或有关一般DirectML的问题和反馈，请提交问题或直接联系我们askdirectml@microsoft.com。
-
有关PyTorch与DirectML的问题、错误和反馈；或有关一般DirectML的问题和反馈，请提交问题或直接联系我们askdirectml@microsoft.com。
-
有关Windows ML的问题，请在microsoft/Windows-Machine-Learning提交GitHub问题或直接联系我们askwindowsml@microsoft.com。
-
有关ONNX Runtime的问题，请在microsoft/onnxruntime提交问题。
贡献
本项目欢迎贡献和建议。大多数贡献需要您同意贡献者许可协议（CLA），声明您有权并且确实授予我们使用您贡献的权利。有关详细信息，请访问https://cla.microsoft.com。
在您提交拉取请求时，CLA机器人将自动确定您是否需要提供CLA，并相应地装饰PR（例如，标签、注释）。只需遵循机器人提供的说明即可。您只需要在整个使用我们的CLA的存储库中做一次。
本项目已采用Microsoft开源行为准则。有关更多信息，请参阅行为准则FAQ或通过opencode@microsoft.com联系我们有任何额外的问题或评论。
工作流程
开发者将每天在发布分支上工作，并在需要时将RI推送到主分支。
- 主分支使用夜间构建 pytorch构建，命令为
conda install pytorch torchvision cpuonly -c pytorch-nightly - 发布分支使用相应的已发布pytorch构建
- 两个release/1.13和release/1.13+都使用pytorch 1.13构建。
- 即将发布的release/1.13.1应该使用pytorch 1.13.1构建
为何采用这种模式的动机。
- 避免两次将相同的更改推送到发布和主分支。
- 避免被来自pytorch主分支的破坏性更改阻塞。
剪枝分支的例子
-
为pytorch-1.13创建新分支（例如，[release/1.13+2]）将从最后一个发布的分支release/1.13+剪出，并且开发人员将每天停留在新分支上，直到该版本发布。
-
对于新的pytorch版本1.13.1，应在所有发布工作负载都RI之后从主分支中剪出release/1.13.1。
外部链接
哈希值 for experimental_torch_directml-0.1.13.dev23122022132839-cp39-cp39-win_amd64.whl
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | ee32274052f3f61b5277e4cd8383da1160724400dfd53397bc74f5dcd0e47012 |
|
| MD5 | 156448367c2ed6ae03c873191ac56fb4 |
|
| BLAKE2b-256 | aa535ae4c148a4a386b136db1e90ab3fd6f61442330c8a92ecd108b0c98f7855 |
