amd显卡5700xt的深度学习环境搭建记录

之前的深度学习的初步学习阶段，一直是直接使用和鲸社区的服务器镜像，本地则是cpu版本的tensorflow和pytorch。

现在实际尝试做项目发现本地的cpu版本太慢了，课题组的服务器又没有显卡

于是开始尝试对我个人电脑进行深度学习gpu环境的搭建

我的电脑是amd的gpu，5700xt，19年的老卡，但总比cpu跑的快。

WSL配置

来自官方文档：适用于 TensorFlow 2 的 DirectML 插件 |Microsoft 学习

我用的WIN10专业版，WSL2，分发的Ubuntu-22.04

更换Windows下的完整版显卡驱动

下载官网：

AMD Drivers and Support | AMD

在其中输入自己的显卡型号，找寻对应的WIN10驱动，有鸡血版 Adrenalin Edition和专业版PRO Edition可选

我选择的是专业版

下载后进行驱动的安装，期间会有几次重启和屏幕闪烁，是正常现象。

安装tensorflow2.10.0

来自官方文档：适用于 TensorFlow 2 的 DirectML 插件 |Microsoft 学习

进入wsl，创建一个python3.8的环境并进入：

conda create -n tensorflow python=3.8
conda activate tensorflow

安装相应的包：

pip install tensorflow-cpu==2.10
pip install tensorflow-directml-plugin

完成后输入：

python

进入python的运行环境，输入python代码：

import tensorflow as tf
tf.config.list_physical_devices('GPU')

输出：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

配置成功

安装pytorch2.0.0

来自官方文档：在 WSL 2 上使用 DirectML 启用 PyTorch |Microsoft 学习

参考：AMD GPU，PyTorch，Windows和DirectML - 知乎 (zhihu.com)

官方文档声称最多支持PyTorch 1.13，但实测照这些指令下来会自动安装2.0.0，且运行正常。

进入wsl，创建一个python3.8的环境并进入：

conda create -n pytorch python=3.8
conda activate pytorch

安装依赖包：

conda install numpy pandas tensorboard matplotlib tqdm pyyaml -y
conda install pytorch torchvision torchaudio cpuonly -c pytorch
pip install opencv-python
pip install wget
pip install torch-directml

进入python，输入：

import torch
import torch_directml
dml = torch_directml.device()
tensor1 = torch.tensor([1]).to(dml) # Note that dml is a variable, not a string!
tensor2 = torch.tensor([2]).to(dml)
dml_algebra = tensor1 + tensor2
dml_algebra.item()

输出：

3

配置成功

Ubuntu配置

pytorch

参考：

ubuntu22.04安装rocm教程，AMD深度学习，6800xt配置pytorch、CUDA（已更新）本地安装torch_reven#1118的博客-CSDN博客

AMD显卡配置深度学习环境（ROCm-pytorch） - 知乎 (zhihu.com)

本次采用的是双系统的Ubuntu22.04

安装Ubuntu下的驱动，ROCm5.6

输入Linux指令：

sudo apt update && sudo apt upgrade
sudo apt install wget gnupg2 

# 22.04安装这个
wget https://repo.radeon.com/amdgpu-install/5.6.1/ubuntu/jammy/amdgpu-install_5.6.50601-1_all.deb
sudo apt install ./amdgpu-install_5.6.50601-1_all.deb

# 然后安装单个用例
sudo amdgpu-install --usecase=rocm,hip,mllib --no-dkms
# 添加用户至render组
sudo usermod -a -G video,render $LOGNAME

然后

重启系统！

输入Linux指令：

# 显示gpu信息
rocm-smi

# 两项都显示gpu信息
/opt/rocm/bin/rocminfo
/opt/rocm/opencl/bin/clinfo

全部正常输出，说明显卡的ROCm驱动安装成功

安装pytorch2.1.0

可根据ROCm版本、python版本不同安装不同的python，链接如下：

download.pytorch.org/whl/torch/

我选择的是：torch-2.1.0+rocm5.6-cp38-cp38-linux_x86_64.whl

创建环境python3.8并进入：

conda create -n pytorch python=3.8
conda activate pytorch

下载对应版本的pytorch并安装：

wget https://download.pytorch.org/whl/rocm5.6/torch-2.1.0%2Brocm5.6-cp38-cp38-linux_x86_64.whl
pip install torch-2.1.0+rocm5.6-cp38-cp38-linux_x86_64.whl

进入python环境，输入代码：

import torch
torch.cuda.is_available()

输出为：

True

配置成功

安装tensorflow（还没尝试）

还没尝试，哪天安装成功了我更一下