核显 DirectML 深度学习环境

参考文档：

　　tensorflow-directml 官方文档

　　Enable TensorFlow with DirectML in WSL

　　‍

　　环境： win10 + wsl2-ubuntu20.04

　　安装显卡驱动（确保型号匹配，我是 amd 的 r5 核显）：

• amd：见 Radeon™ Software Adrenalin 2020 Edition for Microsoft® DirectX on Windows Subsystem for Linux Release Notes 支持的型号，只要大于 20.20.01.05 driver or newer 即可。
• intel: 6xx 系 HD 核显 以及更高的版本。28.20.100.8322 driver or newer
• Nvida? cuda 不香吗。

1. py36 环境安装

   截至 2022 年 10 月 5 日， tensorflow-directml==1.15.8 最高支持 py37，但是其依赖 gast 0.2.2 并不支持 pep517 的方式安装，推荐用 py36 版本。
   若已有 py3.6 或者用 conda 安装可以跳过这一步。

   cd $HOME
   curl -Lo https://www.python.org/ftp/python/3.6.14/Python-3.6.14.tar.xz
   tar xJvf Python-3.6.14.tar.xz 
   cd Python-3.6.14
   install -dv $HOME/.local/lib/python3.6
   ./configure --prefix=$HOME/.local/lib/python3.6
   make && make install
   
   # 添加环境变量
   install -dv $HOME/.local/bin/
   ln -s $HOME/.local/lib/python3.6/bin/python3.6 $HOME/.local/bin/python36
   # 检测是否成功
   python36 -V
   # Python 3.6.14
   
   # 安装成功后移除安装包
   rm -rf Python-3.6.14/ Python-3.6.14.tar.xz
   

2. pdm 配置

   仍推荐直接用 conda，用 pdm 多半是为了节省硬盘。pdm 安装和使用可以参考 pdm 简易使用说明和 pdm 官方手册

   自行添加需要的依赖。注意，因为使用 py3.6，所以 py 模块的编译使用的是 flit_core， 而非 pdm 默认的 pdm.pep517.api。

   install -dv PDM-Project/tensorflow-gpu
   cd PDM-Project/tensorflow-gpu
   # 生成PDM配置文件
   cat <<'EOF' | tee pyproject.toml
   [project]
   name = ""
   version = ""
   description = ""
   authors = [
       {name = "your_name", email = "your_email"},
   ]
   dependencies = [
       "tensorflow-directml==1.15.8",
       "matplotlib==3.3.4",
       "jupyter==1.0.0",
       "scipy==1.5.4",
   ]
   license = {text = "MIT"}
   requires-python = ">=3.6.2"
   
   [tool.pdm]
   
   [tool.pdm.dev-dependencies]
   lint = [
       "flake8",
       "black"
   ]
   
   [[tool.pdm.source]]
   url = "https://mirrors.aliyun.com/pypi/simple/"
   verify_ssl = true
   name = "pypi"
   
   [build-system]
   requires = ["flit_core >=3.2,<4"]
   build-backend = "flit_core.buildapi"
   'EOF'
   

   然后选择 py 版本，并下载依赖包。

   # 选择对应的python36版本
   ➜ pdm use
   Please enter the Python interpreter to use
   0. /home/bingo/.local/pipx/venvs/pdm/bin/python (3.8)
   1. /usr/bin/python3.8 (3.8)
   2. /home/bingo/.local/bin/python37 (3.7)
   3. /home/bingo/.local/bin/python36 (3.6)
   Please select (0): 3
   Using Python interpreter: /home/bingo/.local/bin/python36 (3.6)
   # 下载依赖
   ➜ pdm update --save-compatible
   

3. 结合 vscode python 工作区使用

   vscode python 插件从 2022.10.0 开始不再支持 py36debug，要回滚至 v2022.8.1。

   1. 创建 python 工作区，添加 python 相关开发的插件。vscode 配置、调试 python 的已经有很多教程了，自行百度。

   2. 将 PDM-Project 添加至工作区，方便后面复制 Path

   3. 将需要写的项目添加至工作区

   4. 在项目 .vscode 目录下添加 settings.json 文件（第一步的配置应该在工作区，这一步的配置只对项目生效），添加 pylance 的 extra 路径配置。（如果不配置，pylance 插件会提示缺少模块文件，以及没有对应的代码补全）

      // settings.json
      // 根据自己的PDM-Project/tensorflow-gpu库和py36路径调整
      {
          "python.autoComplete.extraPaths": [
              "your_path/PDM-Project/tensorflow-gpu/__pypackages__/3.6/lib"
          ],
          "python.analysis.extraPaths": [
              "your_path/PDM-Project/tensorflow-gpu/__pypackages__/3.6/lib"
          ],
          "python.analysis.autoSearchPaths": true,
          "python.defaultInterpreterPath": "your_py36Path",
          "python.envFile": "${workspaceFolder}/.env",
      }
      

   5. 在项目 .vscode 目录下添加 .env 文件，这样子 launchF5 的时候可以关联 python.analysis.extraPaths 声明的目录到 PYTHONPATH 变量。根据实际路径调整

      PYTHONPATH=your_path/PDM-Project/tensorflow-gpu/__pypackages__/3.6/lib
      

      不推荐在 .vsocode/launch.json 中添加 env，因为对 vscode-jupyter 不生效。

   6. 测试是否使用显卡（请务必用 vscode 的 luanch 运行，不然是无法链接到 python.analysis.extraPaths）

      import tensorflow as tf
      
      tf.test.is_gpu_available()
      print(tf.test.is_gpu_available(cuda_only=False))
      
      # output
      DirectML device enumeration: found 1 compatible adapters.
      DirectML: creating device on adapter 0 (AMD Radeon(TM) Graphics
      True
      

　　性能就不测试了，只能说比用 cpu 快那么一丢丢。

　　‍

注意事项

1. 安装 amd 显卡驱动后，待机时 cpu 负载异常

   
   在 WMI 错误事件中锁定 pid 号

   

   这是因为勾选了 amd 的匿名信息收集（AMD User Experience Program），在 amd 的驱动程序中关闭收集就好了。

　　‍

为什么使用 pdm？

1. 节约空间，因为经常要从网上下载库，总会需要添加环境。如果是用 conda 的环境管理，每创建一个虚拟环境就会多拷贝一份 python 二进制文件、标准库。以及在多数项目中存在相同依赖包，在虚拟环境中，都是存在冗余的。

   pdm 并不创建虚拟环境（除了 pdm 运行本身会创建虚拟环境），并且模块库是通过 PEP582 本地链接的方式，可以极大节省硬盘空间（需要开启配置 install.cache = True 和 install.cache_method = symlink）。(主要是我的 wsl2 装在固态硬盘上，能省则省)

   # 可以看到下载的模块文件基本都是软连接
   ➜ ls -al your_path/PDM-Project/tensorflow-gpu/__pypackages__/3.6/lib
   
   # 使用pdm后，依赖包的总空间占用大小
   ➜ du -sh ~/codeEnv/pyCache/packages/
   1.4G    /home/bingo/codeEnv/pyCache/packages/
   

2. 有没有好方法复用当前配置好的项目开发环境？

   pdm2.0 推出了虚拟环境（本质上还是基于 virtualenv/venv/conda），我并不是很推荐这个。如果没有更改依赖的话，推荐将配置好的 .vscode 目录和 .env 目录拷贝到 PDM-Project 对应的项目目录下。后续要复用直接将这两个 copy 到新的项目目录下即可。

　　‍