Microsoft lance des versions natives de PyTorch pour Windows sur Arm
Quelques semaines seulement après avoir introduit la prise en charge de Windows on Arm sur GitHub, Microsoft a fait une annonce importante pour les développeurs ciblant les appareils Arm sous Windows. Les versions natives de PyTorch, un framework d’apprentissage automatique open source largement utilisé, sont désormais officiellement disponibles pour Windows on Arm. Cette avancée simplifie le processus pour les développeurs souhaitant créer et tester des applications nativement sur l’architecture Arm.
L’importance de PyTorch pour l’apprentissage automatique
Pour ceux qui ne le connaissent pas, PyTorch est un outil essentiel pour les chercheurs et les développeurs qui se consacrent à la construction et à l’entraînement de réseaux neuronaux profonds. Historiquement, l’exécution de PyTorch sur des appareils Windows équipés de puces Arm posait problème, car les utilisateurs devaient compiler l’intégralité du framework depuis les sources, un processus chronophage et peu adapté aux débutants en programmation.
Quoi de neuf dans PyTorch 2.7
Avec la sortie de PyTorch 2.7, des versions natives pour Windows sur Arm sont désormais disponibles pour Python 3.12. Les développeurs peuvent facilement installer PyTorch à l’aide d’un gestionnaire de paquets standard tel que pip, ce qui simplifie considérablement le processus d’installation.
Selon Microsoft :
Cela libère le potentiel d’exploiter toutes les performances de l’architecture Arm64 sur les appareils Windows, comme les PC Copilot+, pour l’expérimentation de l’apprentissage automatique, offrant une plate-forme robuste aux développeurs et aux chercheurs pour innover et affiner leurs modèles.
Avantages pour le développement de l’apprentissage automatique
Cette nouvelle offre devrait améliorer le développement local, la formation et les tests de modèles d’apprentissage automatique directement sur les machines Windows sous Arm. Microsoft a notamment mis en avant des applications potentielles dans des domaines tels que la classification d’images, le traitement du langage naturel et l’IA générative, illustrées par des outils comme Stable Diffusion.
Premiers pas avec PyTorch natif sous Windows
Pour démarrer avec les binaires PyTorch natifs pour Windows sur Arm, les développeurs doivent installer quelques prérequis essentiels. Cela inclut des composants obtenus via Visual Studio Build Tools ou une installation complète de Visual Studio.
- Assurer la sélection de la charge de travail Développement Desktop avec C++.
- Assurez-vous d’inclure les derniers outils de build VS 2022 C++ ARM64/ARM64EC lors de l’installation.
De plus, l’installation de Rust et la version Arm64 de Python 3.12 sont nécessaires sur votre système. Une fois ces prérequis remplis, une simple commande vous permettra d’installer la version stable de PyTorch via pip, en ciblant le bon index de téléchargement :
pip install --extra-index-url https://download.pytorch.org/whl torch
Explorer les builds nocturnes
Pour ceux qui souhaitent expérimenter les dernières fonctionnalités et qui sont à l’aise avec des versions potentiellement instables, les versions Nightly ou Preview peuvent être installées à l’aide de la commande suivante :
pip install --pre torch --index-url https://download.pytorch.org/whl/nightly/cpu
Versions natives supplémentaires et meilleures pratiques
En plus du package Python, des builds natives pour LibTorch, qui sert d’interface C++ à PyTorch et est souvent utilisée dans les contextes de déploiement, sont également disponibles. Pour un guide complet de prise en main de LibTorch, les développeurs peuvent consulter le site web de PyTorch. Microsoft recommande de créer un environnement virtuel (venv) pour gérer les dépendances des projets de manière transparente et éviter les conflits potentiels.
Exemple d’application et d’adoption
Par ailleurs, Microsoft a présenté un exemple d’utilisation des binaires natifs de PyTorch pour Stable Diffusion sur Windows sur Arm, offrant ainsi aux développeurs un aperçu de la manière dont ils peuvent exploiter l’IA générative dans leurs applications. Le code correspondant est disponible dans ce dépôt GitHub.
Relever les défis de la dépendance
Il est essentiel de noter que si PyTorch et LibTorch prennent désormais en charge les binaires natifs pour Windows sur Arm, toutes les dépendances ne sont pas forcément compatibles. Certains packages Python supplémentaires, notamment ceux contenant des composants sensibles aux performances, écrits dans des langages tels que C, C++ ou Rust, pourraient ne pas encore proposer de fichiers Arm64.whl natifs précompilés sur PyPI. Par conséquent, une simple installation pip pourrait ne pas produire de version native pour chaque bibliothèque utilisée.
Cependant, pip peut installer des dépendances directement à partir de distributions de code source, souvent fournies sous forme de fichiers.tar.gz. Si les outils de compilation appropriés sont présents sur votre système (ce qui confirme la mention précédente de MSVC avec la chaîne d’outils Arm64 et Rust), pip peut compiler ces paquets localement dans des fichiers.whl compatibles Windows.
Microsoft a souligné que cette méthode permet l’installation de versions spécifiques de packages populaires, tels que NumPy 2.2.3 et safetensors 0.5.3, en présentant les commandes requises :
pip install numpy==2.2.3 # and pip install safetensors==0.5.3
Ces commandes servent d’exemples sur la manière de compiler efficacement des packages à partir de la source.
En savoir plus
Pour plus d’informations et d’exemples supplémentaires, reportez-vous à l’annonce complète sur le blog Microsoft Windows.
Laisser un commentaire