PyTorch 与 DirectML

DirectML 对 PyTorch 的加速目前处于公共预览阶段。PyTorch 与 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 在支持广泛的硬件和驱动程序（包括来自 AMD、Intel、NVIDIA 和高通等厂商的所有 DirectX 12 兼容 GPU）上为常见的机器学习任务提供 GPU 加速。

有关 DirectML 的更多信息，请参阅 DirectML 简介。

PyTorch 在 DirectML 上支持 Windows 10 的最新版本以及 Windows Subsystem for Linux，并可作为 PyPI 包下载。有关开始使用的更多信息，请参阅 GPU 加速 ML 训练（docs.microsoft.com）

示例

请参阅 Pytorch with DirectML 示例仓库 以获取示例。

路线图

torch-directml 正在积极开发中，我们不断添加更多运算符。有关我们支持的所有运算符及其数据类型覆盖范围的列表，请参阅 DirectML 仓库维基中的 PyTorch DirectML 运算符路线图。如果您需要支持不在该列表中的运算符，请参阅下方的 反馈 部分了解如何提交问题。

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 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 askdirectml@microsoft.com。

• 有关 Windows ML 的问题，请在 microsoft/Windows-Machine-Learning 上提交 GitHub 问题或直接联系 askwindowsml@microsoft.com。

• 有关 ONNX Runtime 的问题，请在 microsoft/onnxruntime 上提交问题。

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。

提交拉取请求时，CLA-bot 会自动判断您是否需要提供 CLA，并适当修饰 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 的所有存储库中这样做一次。

本项目已采用 Microsoft Open Source Code of Conduct。有关更多信息，请参阅 Code of Conduct FAQ 或通过 opencode@microsoft.com 联系我们，提出任何额外的问题或评论。

数据收集通知

该软件可能收集有关您以及您对软件的使用情况的信息，并将其发送至微软。微软可能会使用这些信息来提供服务并改进我们的产品和服务。软件中还包含一些功能，可能允许您和微软从您的应用程序用户那里收集数据。如果您使用这些功能，您必须遵守适用的法律，包括向您的应用程序用户提供适当的通知，并附带微软的隐私声明的副本。我们的隐私声明位于https://go.microsoft.com/fwlink/?LinkID=824704。您可以在帮助文档和我们的隐私声明中了解更多有关数据收集和使用的信息。您对软件的使用视为您对这些做法的同意。

具体来说，在torch-directml中，我们正在收集有关GPU设备的信息以及回退到CPU的算子，以改善算子覆盖率。

外部链接

• PyTorch主页
• PyTorch DirectML算子路线图
• 带有DirectML的Pytorch示例仓库