Ce guide explique comment utiliser votre environnement WSL2 (Windows Subsystem for Linux) pour travailler avec PyTorch sur GPU.

1. Ouvrir PowerShell ou CMD :

wsl -d Ubuntu-22.04

• Ca connectera à l’instance WSL nommée Ubuntu-22.04

2. Vérifier votre version de Linux (facultatif) :

lsb_release -a

1. Créer un nouvel environnement virtuel (si besoin):

Si vous n’avez pas encore d’environnement virtuel pour le projet, créez-en un dans votre dossier projet :

python3.10 -m venv .venv

2. Télécharger les fichiers nécessaires à PyTorch avec support GPU ROCm :
   Exécutez les commandes suivantes pour télécharger les fichiers .whl requis :

wget https://repo.radeon.com/rocm/manylinux/rocm-rel-6.1.3/torch-2.1.2%2Brocm6.1.3-cp310-cp310-linux_x86_64.whl
wget https://repo.radeon.com/rocm/manylinux/rocm-rel-6.1.3/torchvision-0.16.1%2Brocm6.1.3-cp310-cp310-linux_x86_64.whl
wget https://repo.radeon.com/rocm/manylinux/rocm-rel-6.1.3/pytorch_triton_rocm-2.1.0%2Brocm6.1.3.4d510c3a44-cp310-cp310-linux_x86_64.whl

3. Copier un .venv existant (optionnel) :

Si vous avez déjà un environnement virtuel configuré pour le GPU dans un autre projet, copiez-le dans votre nouveau projet :

exemple :

cp -r ~/<nom_du_modèle>_model/.venv ./

4. Installer PyTorch et ses dépendances :

Si vous avez téléchargé les fichiers .whl, installez-les dans votre environnement virtuel :

pip install torch-2.1.2+rocm6.1.3-cp310-cp310-linux_x86_64.whl \
            torchvision-0.16.1+rocm6.1.3-cp310-cp310-linux_x86_64.whl \
            pytorch_triton_rocm-2.1.0+rocm6.1.3.4d510c3a44-cp310-cp310-linux_x86_64.whl

source .venv/bin/activate

Vous saurez que l’environnement est activé si vous voyez (.venv) dans l’invite de commande.

1. Tester si PyTorch détecte le GPU :

python -c "import torch; print(torch.cuda.is_available())"

2. Affichez le nom du GPU détecté :

python -c "import torch; print(torch.cuda.get_device_name(0))"

Résultat attendu pour la config:

True
<nom du gpu>

Lorsque vous avez terminé votre session de travail :

1. Désactivez l’environnement virtuel :

deactivate

2. Quittez WSL :

exit

3. Arrêtez WSL pour libérer les ressources :

wsl --shutdown