Como configurar e utilizar o PyTorch com a placa gráfica Intel Arc

O PyTorch realmente pode impulsionar seus fluxos de trabalho de aprendizado de máquina se você tiver uma GPU Intel Arc, mas configurá-lo não é exatamente um processo simples.É um pouco trabalhoso, principalmente porque envolve ajustes na BIOS, instalação de drivers e alguns comandos complexos na linha de comando. A vantagem? Depois que tudo estiver funcionando, o tempo de treinamento pode cair drasticamente em comparação com o uso apenas da CPU. Portanto, se você tem uma GPU Arc e quer extrair o máximo dela, este guia passo a passo deve ajudá-lo a evitar muitas dores de cabeça e a fazer o PyTorch funcionar perfeitamente em sua máquina Windows.

Não se trata apenas de instalar um software e torcer para que funcione.É preciso garantir que os drivers estejam corretos, as configurações da BIOS ajustadas e as dependências instaladas perfeitamente. Acredite, esse processo pode ser um pouco imprevisível e, às vezes, mesmo seguindo todas as instruções à risca, as coisas não saem como o esperado. Mas com paciência, você conseguirá, e seus modelos de aprendizado de máquina agradecerão.

Como executar o PyTorch no seu PC com Intel Arc

Ative a opção “Barra redimensionável” na BIOS.

Este é um passo clássico que muitos ignoram, mas é crucial para liberar todo o potencial da sua GPU com PyTorch. Ele ajuda a sua GPU a lidar com grandes volumes de dados de forma mais eficiente, o que pode aumentar significativamente o desempenho durante o treinamento de aprendizado de máquina. A razão pela qual isso é necessário é que, sem essa configuração, sua GPU pode estar limitando seu desempenho, não compartilhando recursos da maneira mais eficaz possível. Espere ver tempos de treinamento mais rápidos assim que essa configuração for ativada.

Para habilitá-lo, reinicie o seu PC e pressione repetidamente F2, F10, ESC ou qualquer tecla que sua placa-mãe utilize para acessar a BIOS. Como cada fabricante de placa-mãe usa teclas diferentes, consulte o manual da sua placa-mãe ou o site do fabricante. Uma vez dentro da BIOS, procure por opções como ” Decodificação Acima de 4G” ou “Suporte a Redimensionamento de BAR”. Elas geralmente estão localizadas nas seções de armazenamento ou avançadas, então explore um pouco. Ative as opções, salve as alterações e reinicie o computador.

Em uma configuração, funcionou na primeira tentativa; em outra, precisei reiniciar algumas vezes. Os menus da BIOS são meio estranhos às vezes, mas não desista. Se você não tiver certeza, vale a pena consultar a página de suporte da sua placa-mãe para obter instruções específicas.

Atualize os drivers da sua GPU Intel Arc.

Em seguida, baixe os drivers mais recentes da GPU Intel Arc no site oficial da Intel. Eles costumam lançar atualizações com bastante frequência, corrigindo bugs e adicionando suporte a recursos como a BAR redimensionável. Após a instalação, você pode verificar se o recurso está ativo usando a interface do driver — às vezes há uma caixa de seleção ou uma seção na interface gráfica que confirma isso.

Durante a instalação, geralmente há uma opção para instalar o “Software de Gráficos Intel” – certifique-se de selecioná-la se for solicitada. Esse software facilita a visualização do que realmente está acontecendo com sua GPU, incluindo o suporte à Barra de Interface Redimensionável.

Desativar a GPU integrada é outra coisa que descobri que ajuda a reduzir conflitos. Vá até o Gerenciador de Dispositivos, encontre Adaptadores de vídeo, clique com o botão direito do mouse na sua GPU integrada (como Intel Integrated Graphics) e selecione Desativar dispositivo. Isso dará prioridade à sua GPU Arc e, com sorte, fará com que o PyTorch funcione melhor.

Instale o Microsoft Visual C++ Redistributable.

Sim, isso pode parecer um desvio chato, mas é essencial. O PyTorch e muitas outras bibliotecas de aprendizado de máquina dependem dessas bibliotecas de tempo de execução. Baixe a versão mais recente do site da Microsoft. Instale-a e reinicie o computador, se necessário. Se você já instalou algum jogo ou aplicativo pesado no Windows, provavelmente já tem isso instalado — às vezes, simplesmente executar a instalação novamente ou atualizá-la ajuda a corrigir muitos erros estranhos de biblioteca posteriormente.

Instale o Miniforge via PowerShell.

É aqui que a diversão começa. Use o PowerShell (clique em Win + XIniciar e selecione Windows PowerShell (Administrador)).Execute estes comandos um após o outro:

Invoke-WebRequest -Uri "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Windows-x86_64.exe" -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"

Isso baixa e instala silenciosamente o Miniforge, que é como um mini Anaconda, porém mais simplificado. Depois de concluído, você terá um ambiente flexível para instalar todos os recursos de aprendizado de máquina.

Ative o ambiente Mamba e instale o PyTorch.

Agora, execute este comando para ativar o ambiente:

%USERPROFILE%\mambaforge\Scripts\activate

Uma vez dentro do sistema, crie um ambiente PyTorch personalizado para sua configuração com:

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 https://pytorch-extension.intel.com/release-whl/stable/xpu/us/

É um nome um tanto extenso, mas instala a versão correta do PyTorch otimizada para a XPU da Intel. Certifique-se de copiar e colar corretamente. Se algo der errado, verifique novamente os URLs ou as versões — eles mudam com frequência. O pacote `intel-extension-for-pytorch` é crucial para obter o melhor desempenho da sua GPU Arc com o PyTorch.

Configure as dependências de treinamento e importe as extensões.

Por fim, prepare seu código de aprendizado de máquina instalando alguns pacotes comuns:

pip install jupyter matplotlib pandas pillow timm torcheval torchtnt tqdmpip install cjm_pandas_utils cjm_psl_utils cjm_pil_utils cjm_pytorch_utils cjm_torchvision_tfms

Para importar a extensão Intel posteriormente em seus scripts, faça o seguinte:

import torch import intel_extension_for_pytorch as ipex print(f'PyTorch Version: {torch.version}') print(f'Intel PyTorch Extension Version: {ipex.version}')

E pronto. Você está preparado para começar a treinar modelos, e esperamos que veja resultados bem mais rápidos do que usando apenas a CPU. Lembre-se, porém, que o desempenho pode variar dependendo das configurações da BIOS, das versões dos drivers e da sua combinação específica de hardware. Mas, uma vez que tudo esteja ajustado, a GPU deve reduzir bastante o tempo de treinamento.

Resumo

• Ative a opção “Barra redimensionável” na BIOS.
• Atualize os drivers da GPU Intel Arc.
• Desative os gráficos integrados no Gerenciador de Dispositivos.
• Instale a versão mais recente do Visual C++ Redistributable.
• Configure o Miniforge e instale o PyTorch com as extensões corretas.
• Instale as dependências e prepare-se para o treinamento.

Resumo

Este processo não é exatamente simples, mas depois da configuração inicial, usar sua GPU Arc com PyTorch parece bem mais poderoso do que depender apenas da CPU. Claro, exige um pouco de prática, mas se funcionar, o ganho de velocidade é considerável. Espero que isso ajude alguém a reduzir horas no tempo de treinamento ou pelo menos evitar parte da frustração de configurar frameworks de aprendizado de máquina em hardware AMD ou Intel. Boa sorte e bons treinos!