【AMD显卡在WIndow10/11部署带GPU支持的深度学习环境(Pytorch-DirectML篇)】
全中文网首发，可以收藏本教程纪念一下
这篇是之前Tensorflow-DirectML的姊妹篇，如果对TF感兴趣的可以搜索我的博文。
首先我们丢一个官网地址，但是官网那个会误导新人如果你按那个操作的话。
https://docs.microsoft.com/en-us/windows/ai/directml/gpu-pytorch-windows
本篇博文，我们将安装PyTorch 1.8.0
PS:MS对FB还是蛮厚道的，编译了比较新的版本，不像TF，给了个1.X，太坏了，至少给个2.X吧
这里用我的方法操作：
首先声明一下，因为我的显卡是AMD RX6600，不带XT(性能和RTX3060 12G版本半斤八两)，所以目前没有最新的WSL2驱动，如果有了的话欢迎告知我，所以我这里就用Windows本地演示。
第一步：安装AMD DirectML支持的SDK，相当于A卡的Cuda
可以参考：
https://blog.csdn.net/weixin_44029053/article/details/121581870
这篇博文Flag部分安装驱动的描述。
第二步：安装Pytorch-DirectML
1：下载安装Conda完整版或MiniConda，这边如果硬盘够大我推荐Conda完整版，地址：
https://www.anaconda.com/products/individual
下载Anaconda Individual Edition版，这个是个人免费版
Python版本随意，反正我们后面单独创建Python环境
2：在Conda下创建Python虚拟环境：
我这创建了两个，一个给Pytorch用，一个给Tensoflow用，因为我本来用Miniconda的，官方的
Pytorch-DirectML教程把我之前的Tensoflow-DirectML环境整没了，很难还原回去，所以。。
废话不多说，我们管理员权限打开PowerShell，输入
conda create -n your_env_name python=x.x
创建Python虚拟环境，your_env_name 是环境名字，x.x是python版本，这里我的是
conda create -n torch_dml python=3.8
必须用python38.
以下都用我的名字torch_dml 演示
然后激活torch_dml ：
conda activate torch_dml
3：在激活的条件下，安装我们的Pytorch依赖库：
conda install pandas
conda install tensorboard
conda install matplotlib
conda install tqdm
conda install pyyaml
pip install opencv-python
pip install wget
pip install torchvision==0.9.0
PS：上面代码在安装torchvision的时候，会自动下载一个Pytorch CPU版本，这个没关系，他只是一个上层，我们在后面底层Tensor变量可以转化为GPU版本
上面说的“安装torchvision的时候，会自动下载一个Pytorch CPU版本”，并且后面要安装的Pytorch-DirectML也会覆盖CPU版本的代码，这样的确代码是可以运行的，但是这样其实并不严谨，实际上我看了官方那个，CPU版本其实并不需要，强迫症的可以执行：
pip uninstall torch
上面安装代码你可以一行一行复制到PowerShell安装，防止某个安装失败
PS：博主是在开飞机的条件下安装的，如果没有飞机，那么你可以切换国内源
参考：
https://www.cnblogs.com/weiyunpeng/p/11893222.html
4：安装Pytorch-DirectML
依然在我们的Conda虚拟环境torch_dml下安装：
pip install pytorch-directml
5：安装VSCODE设置环境运行代码
输入代码运行：
import torch
tensor1 = torch.tensor([1]).to("dml")
tensor2 = torch.tensor([2]).to("dml")
dml_algebra = tensor1 + tensor2
print("result:",dml_algebra.item())
如果你出现我上面的“result: 3”这个结果，那么恭喜你，大获成功！
更多demo可以访问官方GitHub：
https://github.com/microsoft/DirectML/tree/master/PyTorch
还有没有好玩的？有哦，下一步，我们将用Pytorch-DirectML或Tensorflow-DirectML导出onnx，用我们的ONNX-DirectML版或者Vulkan在AMD GPU(Windows本地平台)进行GPU加速推理，敬请期待！
