如何在Windows上启用Intel Iris Xe GPU用于TensorFlow+Keras训练？

一、核心前提：安装Intel专属的TensorFlow环境 #

默认TensorFlow不原生支持Intel集成GPU，必须搭配Intel官方的扩展包才能实现GPU加速：

1. 卸载现有普通TensorFlow（若已安装）：

pip uninstall tensorflow -y

2. 安装版本匹配的Intel优化TensorFlow及扩展：
   • Windows系统：

   pip install tensorflow-intel==2.15.0 intel-extension-for-tensorflow[gpu]==2.15.0
   

   • Linux系统：

   pip install tensorflow-intel==2.15.0 intel-extension-for-tensorflow[gpu]==2.15.0
   

   注意：TensorFlow Intel版与Intel Extension版本必须严格对应，避免版本不兼容问题

二、配置底层驱动依赖 #

1. 安装最新Intel显卡驱动：确保Iris Xe显卡的官方驱动已更新到支持Level Zero或OpenCL runtime的版本。
2. Linux系统额外安装计算运行时：

sudo apt-get install intel-opencl-icd level-zero

Windows系统的驱动通常已集成所需组件，无需额外操作。

三、修改检测脚本适配Intel GPU #

原脚本未启用Intel TensorFlow扩展，导致无法识别GPU，修改后的检测脚本如下：

import tensorflow as tf
import intel_extension_for_tensorflow as itex
import os

def get_mkl_enabled_flag():
    mkl_enabled = False
    major_version = int(tf.__version__.split(".")[0])
    minor_version = int(tf.__version__.split(".")[1])
    if major_version >= 2:
        if minor_version < 5:
            from tensorflow.python import _pywrap_util_port
        else:
            from tensorflow.python.util import _pywrap_util_port
            onednn_enabled = int(os.environ.get('TF_ENABLE_ONEDNN_OPTS', '0'))
        mkl_enabled = _pywrap_util_port.IsMklEnabled() or (onednn_enabled == 1)
    else:
        mkl_enabled = tf.pywrap_tensorflow.IsMklEnabled()
    return mkl_enabled

# 启用Intel TensorFlow扩展
itex.enable()

print("TensorFlow版本:", tf.__version__)
print("Intel TensorFlow扩展版本:", itex.__version__)
print("MKL启用状态:", get_mkl_enabled_flag())

# 列出所有物理设备
physical_devices = tf.config.list_physical_devices()
print("\n所有物理设备:")
for device in physical_devices:
    print("-", device)

# 检测Intel GPU
intel_gpu_detected = False
for device in physical_devices:
    device_name = tf.config.experimental.get_device_name(device)
    if 'Intel' in device_name or 'GPU' in device_name:
        intel_gpu_detected = True
        print(f"\n已检测到Intel GPU: {device_name}")

print("\nIntel GPU是否被检测到?", intel_gpu_detected)

四、验证GPU是否参与训练 #

运行以下简单训练脚本，查看控制台输出是否显示Intel GPU被调用：

import tensorflow as tf
import intel_extension_for_tensorflow as itex

itex.enable()

# 构建测试模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, activation='relu', input_shape=(10,)),
    tf.keras.layers.Dense(1)
])

model.compile(optimizer='adam', loss='mse')

# 生成测试数据
x = tf.random.normal((1000, 10))
y = tf.random.normal((1000, 1))

# 启动训练
model.fit(x, y, epochs=5, batch_size=32)

常见问题排查 #

• 若仍无法识别GPU：确认驱动版本符合要求、TensorFlow与扩展版本严格对应，重启Python环境或电脑后重试。
• 性能优化：Intel集成GPU适合小规模模型训练，可配合默认启用的MKL-DNN进一步提升CPU+GPU协同效率。

内容的提问来源于stack exchange，提问作者Aqua 4