― Windows / WSL2 共通の GPU 実行。多くの場合 CPU より速いが、制約を理解して選ぶ

TL;DR

• DirectML は 多くの場合 CPU 版より高速な処理が期待できる、実用的な GPU 実行方式
• Windows / WSL2 の両方で使えるが、本質的な制約は共通
• 今後はONNX + Windows MLに移行 (DirectMLは低レイヤーのスタックとして今後も継続予定)
• PyTorch 2.3.1 までという明確なバージョン上限がある
• モデルや演算によっては CPU フォールバックが発生し、性能が安定しないことがある
• 条件が合えば ROCm より短い時間になるケースもある（本記事の簡易測定例）

はじめに

前回の記事では、Windows CPU 版 PyTorch を最短で動かすための基準点として整理しました。

本記事では、GPU を使って PyTorch を実行する選択肢の一つであるDirectML について解説します。

DirectML は、条件が合えば CPU よりも高速に学習を進められる――というより、多くのケースで CPU 版より高速が期待できるのが実感に近いと思います。

一方で、実務で使うには 明確な制約 も存在します。
本記事では Windows / WSL2 をまとめて扱いながら、「速い理由」と「割り切りポイント」 を中心に整理します。

DirectML とは

DirectML は、Microsoft が提供する DirectX 12 ベースの機械学習アクセラレーション API です。

PyTorch では、torch-directml パッケージを使うことで、CUDA や ROCm を使わずに GPU を利用できます。

この仕組みにより、

• AMD / Intel / NVIDIA の GPU
• Windows / WSL2

といった環境で 共通の導線 が提供されています。

― Ryzen AI 搭載 PC における PyTorch 利用の基準点

TL;DR

• GPU を使わず、最短・最小構成で PyTorch を動かす方法を整理
• トラブル切り分けの 基準点 として最も重要な構成
• AMD / Intel / Qualcomm で考え方はほぼ共通
• 「まず動くか」を確認したい人向け
• 学習を速くしたくなったら、次は DirectML（多くの場合 CPU より高速） や ROCm を検討する

はじめに

前回の記事では、Ryzen AI 搭載 PC で PyTorch を使う際の全体像と判断軸を整理しました。

本記事では、その中でも 最初に試すべき構成である
Windows CPU 版 PyTorch について解説します。

GPU を使わない構成は一見地味ですが、実務的には非常に重要です。
なぜなら、この構成は 「PyTorch が正しく動いているかどうか」を判断する基準点 になるからです。

この構成が向いている人

• まず PyTorch が自分の PC で動くか確認したい
• GPU の話に入る前に、環境構築をシンプルに済ませたい
• トラブルが起きたときの切り分け用の環境を作りたい
• Ryzen AI / Intel / Qualcomm いずれの PC でも共通の話を知りたい

TL;DR

• Ryzen AI 搭載 PC では、Windows / WSL2 × CPU / DirectML / ROCm という複数の選択肢がある
• 「どれが一番速いか」ではなく、「どう使い分けるか」が重要
• DirectML は 多くの場合 CPU 版より高速が期待できる が、バージョン上限や互換性（CPU フォールバック）に注意
• WSL2 は性能だけでなく、実務コードの基準環境（再現性・将来性） という位置づけ
• 本シリーズでは目的別に最適な構成を選べるよう整理する

はじめに

AMD Ryzen AI 搭載 PC が普及して、「Windows on Ryzen AI のローカル PC で PyTorch を使った学習はできないものか？」という疑問は出てきます。

一方で、いざ環境構築を始めると、次のような疑問に直面します。

• Windows でそのまま動かせばいいのか？
• WSL2 を使うべきなのか？
• GPU は DirectML なのか ROCm なのか？
• CPU 版で十分なのか？

本シリーズでは、環境構築について複数ページに情報が分散していて分かりづらい 点を整理して、自分の環境・目的に合った PyTorch 構成を選べるようにすることを目的としています。

TL;DR

• Ryzen AI 搭載 PC では 複数の PyTorch 実行構成 が選べる
• 「最速」ではなく 目的に合った構成選び が重要
• 本連載では、実測・実務目線で 6 つの構成 を整理した
• 初心者から実務利用まで段階的に読み進められる構成

はじめに

以前は AI (学習) というと CUDA 一択でした。
さらに CUDA であっても基本的には Linux を使うのが標準であり、Windows はできますよというレベルでした。
Ryzen AI を搭載した PC が普及してきて（かつ価格的には AMD のほうが有利）、Windows on Ryzen AIで学習はできないものだろうか？できたらいいのにな、と思うのは自然な流れだと思います。私もそうです。

一方で、実際に調べ始めると次のような疑問にぶつかります。

• そもそも Ryzen AI で学習することはできるのか？（推論についてはそれなりに情報が出ている）
• Windows のままでよいのか？
• WSL2 を使うべきなのか？
• GPU を利用するにはどうしたらいい？ DirectML？ ROCm？
• CPU 版から始める意味はあるのか？

本連載では、こうした疑問に対して 公式情報＋検証 をもとに「どう選ぶのが現実的か」を整理しました。

この記事は 連載全体の目次と読み方ガイド です。