Optimisez votre entraînement de modèles ML grâce à PyTorch sur GPU Intel Arc. Découvrez les étapes d’installation, de configuration des pilotes et des environnements Python pour maximiser les performances de votre machine.
PyTorch est une extension qui accélère le processus d’entraînement de vos modèles ML en utilisant votre GPU Intel Arc. Configurer PyTorch sur une machine Windows avec des composants Intel s’avère être un processus complexe nécessitant quelques ajustements logiciels et matériels.
Netcost-security.fr a testé une machine Intel Arc pour vérifier si PyTorch pouvait améliorer la vitesse et les réponses lors de l’entraînement de nos modèles. Cela a pris un certain temps pour que tout fonctionne, mais les résultats se sont révélés bien supérieurs à ceux d’une utilisation exclusive du CPU.
Examinons d’abord les exigences avant d’entrer dans les détails.
Exigences
- GPU Intel Arc
- Driver graphique Intel
- Package Microsoft Visual C++ Redistributable
- Dernière version de Python
Installation de PyTorch sur PC Intel Arc
Avant de commencer l’installation, nous devons configurer quelques éléments, et l’activation de Resizable Bar en fait partie. Cela permettra d’exploiter tout le potentiel de votre GPU, et vous devez l’activer dans le BIOS. Entrer dans le BIOS est assez simple. Redémarrez votre PC et appuyez sur la touche F (qui peut être F2, F10 ou même ESC) pour y accéder.
Étant donné que la touche varie selon les fabricants, consultez la page officielle pour découvrir la vôtre. Une fois dans le BIOS, activez les options Above 4G Decoding et Re-Size BAR Support. Cherchez-les dans les différentes sous-sections et activez-les. Appliquez les modifications et démarrez sur le bureau.
Procédez ensuite à l’installation des derniers pilotes de votre GPU Arc depuis le site officiel, et vous pourrez vérifier que Resizable Bar est actif en utilisant l’interface GUI du pilote. Lors de l’installation du pilote, vous verrez une option pour installer le logiciel graphique Intel. Sélectionnez-la.
Étant donné que vous utiliserez le GPU Arc, il est judicieux de désactiver le composant intégré. Sinon, vous pourriez rencontrer des erreurs lorsque vous tenterez d’accéder à Arc avec PyTorch. Pour ce faire, ouvrez le Gestionnaire de périphériques et développez la section Adaptateurs d’affichage. Cliquez avec le bouton droit sur le GPU intégré et sélectionnez l’option Désactiver le périphérique.
La dernière étape de cette pré-installation nécessite la dernière version de Microsoft Visual C++ Redistributable.
C’est une bibliothèque que les applications utilisent pour fonctionner correctement sur le système d’exploitation Windows, et vous pouvez la télécharger et l’installer depuis le site officiel. Il est possible que vous ayez ce package préinstallé lorsque vous avez ajouté un nouveau jeu via Steam.
Installation de PyTorch
Nous allons utiliser le gestionnaire de paquets Mamba pour démarrer le processus. Ouvrez une nouvelle fenêtre PowerShell et entrez les commandes suivantes une par une :
Invoke-WebRequest -Uri " -OutFile "Miniforge3-Windows-x86_64.exe"
Start-Process -FilePath "Miniforge3-Windows-x86_64.exe" -ArgumentList "/S /InstallationType=JustMe /AddToPath=0 /RegisterPython=0" -Wait
Remove-Item "Miniforge3-Windows-x86_64.exe"
Activez l’environnement Mamba avec la commande suivante :
%USERPROFILE%\mambaforge\Scripts\activate
Ensuite, exécutez la commande suivante pour créer un environnement Python et installer des paquets et extensions :
mamba create --name pytorch-arc python=3.11 -y
mamba activate pytorch-arc
mamba install libuv -y
pip install torch==2.3.1+cxx11.abi torchvision==0.18.1+cxx11.abi torchaudio==2.3.1+cxx11.abi intel-extension-for-pytorch==2.3.110+xpu --extra-index-url
Enfin, installez les dépendances du code d’entraînement :
pip install jupyter matplotlib pandas pillow timm torcheval torchtnt tqdm
pip install cjm_pandas_utils cjm_psl_utils cjm_pil_utils cjm_pytorch_utils cjm_torchvision_tfms
Les dépendances de votre code d’entraînement sont désormais configurées. Vous pouvez commencer à télécharger des modèles depuis GitHub et lancer le processus d’entraînement.
Chaque fois que vous souhaitez importer l’extension PyTorch, procédez comme suit :
import torch
import intel_extension_for_pytorch as ipex
print(f'Version de PyTorch : {torch.version}')
print(f'Version de l’extension Intel PyTorch : {ipex.version}')
Ceci conclut notre article sur l’installation de PyTorch et son utilisation avec votre GPU Intel Arc. La prochaine étape consiste à entraîner les modèles d’IA et à vérifier la différence de performance entre votre ancienne configuration et la nouvelle. Utiliser un GPU réduira considérablement le temps de traitement.