如何在Linux Mint上用Intel Iris Xe显卡实现PyTorch硬件加速？

核心结论 #

• DirectML无法在原生Linux Mint上使用：它依赖Windows/WSL环境的Direct3D 12（libd3d12.so是WSL模拟的专属组件，原生Linux没有完整运行环境），你遇到的报错正是这个原因导致的。
• 可以通过Intel官方的**Intel Extension for PyTorch（IPEX）**实现硬件加速，这是针对Intel GPU（包括Iris Xe）优化的方案，比OpenCL学习成本低、适配性更好。

具体实现步骤 #

1. 确认系统环境

Linux Mint基于Ubuntu，默认5.15+内核已支持Intel Iris Xe显卡，建议先更新显卡驱动：

sudo apt update && sudo apt install intel-media-va-driver-non-free

2. 安装PyTorch与IPEX

推荐用虚拟环境隔离依赖：

# 创建并激活虚拟环境
python3 -m venv torch_ipex_env
source torch_ipex_env/bin/activate

# 安装CPU版PyTorch（IPEX基于CPU版扩展）
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# 安装Intel Extension for PyTorch
pip install intel-extension-for-pytorch

3. 硬件加速使用示例

只需简单修改代码，即可将模型和数据迁移到Intel GPU：

import torch
import intel_extension_for_pytorch as ipex

# 初始化模型与输入数据
model = torch.nn.Linear(10, 10)
input_tensor = torch.randn(1, 10)

# （可选）用IPEX优化模型，提升推理/训练性能
model = ipex.optimize(model)

# 将模型和数据移至Intel GPU（设备标识为'xpu'）
model = model.to('xpu')
input_tensor = input_tensor.to('xpu')

# 执行前向传播
output = model(input_tensor)
print(f"输出设备: {output.device}")  # 输出应为xpu:0，说明已启用硬件加速

关于OpenCL的说明 #

OpenCL确实可以实现Intel GPU的硬件加速，但PyTorch对OpenCL的支持需要额外第三方库（如torch-opencl），且API兼容性、性能优化都不如IPEX成熟，学习和调试成本更高，因此不推荐作为首选方案。

内容的提问来源于stack exchange，提问作者Benjamin Havens