L'entrainement de réseaux de neurones avec DirectML sous Windows, c'est enfin possible

À moins que vous n’ayez vécu dans une grotte ces dix dernières années, il est quasiment certain que vous avez déjà entendu parler du machine learning. Depuis une véritable renaissance du concept dans la seconde moitié des années 2000 au moyen de méthodes d’apprentissage de plus en plus performantes, le ML fait grimper les ventes des composants informatiques, en particulier les GPU. Il faut dire que bon nombre d’applications se sont vues violemment accélérées par la technologie, les neurones en particulier se montrant très bons sur des tâches liées aux images, son et autres utilisations requérant habituellement un humain comme la traduction de textes.

Au niveau programmation, l’expérimentation peut s’effectuer au moyen de plusieurs frameworks, dont TensorFlow développé par Google, est l’un des piliers centraux. Dans le domaine, NVIDIA est roi avec un langage de programmation, CUDA, bien implanté dans l’industrie et guidé par les avancées de la firme. À l’inverse, son concurrent libre OpenCL a plus ou moins raté le courant : pour prendre l’exemple de TensorFlow, ce n’est que récemment (fin 2018) qu’AMD s’est occupée d’adapter le schmilblick à son jus en combinant divers autres cubes logiciels.

Or, cela fait quelque temps que Microsoft essaye également de tirer son épingle du jeu — ou plutôt combler son retard — au moyen de DirectML, sa propre API affiliée à DirectX pour faire usage d’accélérateurs type GPU pour ce fameux machine learning. Si cela peut sembler un peu tardif, if ne faut pas oublier que le jeu vidéo fait de plus en plus usage de ce type d’algorithmes, particulièrement dans le DLSS des verts où il sert d’upscaler, et que la plateforme de référence pour cela, c’est Windows.

Ainsi, la Raymonde est allée débaucher un peu partout le savoir chez Intel, AMD et NVIDIA, et a fini par nous pondre sa propre version de TensorFlow : TensorFlow-DirectML, désormais en version packagée pour tous, et non plus une seule preview. Une sortie accompagnée de performances en hausse : près d’un facteur 4 sur les cartes RDNA2 selon le communiqué de presse. L’idée est claire : s’attaquer au problème dès la racine, et proposer aux étudiants et aux chercheurs une compatibilité logicielle aux petits oignons afin de s’aligner au pixel près sur l’offre de la concurrence... tout en restant dans son écosystème personnel.

Compatible avec tous les GPU DirectX 12 — nous imaginons que cela doit remplir de joie AMD et Intel à l’idée de s’unifier contre le leader du genre — cette version doit cependant passer par le sous-système Windows pour Linux (WSL) afin d’être utilisable : comme quoi le travail sur cette interface n’a clairement pas été en vain. Reste à voir si cela donnera des idées pour des applications annexes, au hasard, intégrer cela dans un moteur de jeu afin d’améliorer le rendu ?