Intel显卡运行AI配置教程

适用硬件

Intel Arc系列显卡（如A770 16G）驱动为6559
win11
oneAPI==2025.0.1
torch==2.3.110

1. 安装Miniconda并配置Python虚拟环境

可以参考这个conda安装及使用 | 逐梦

步骤说明

下载Miniconda
- 访问 Miniconda官网，选择对应操作系统的安装包（建议Python 3.11版本）。
安装Miniconda
- Windows：双击安装包，按提示操作，勾选“Add to PATH”选项。
- Linux/macOS：
```
bash Miniconda3-latest-Linux-x86_64.sh  # 根据文件名调整  
```

创建Python 3.11虚拟环境

conda create -n intel-ai python=3.11  
conda activate intel-ai

2. 更新Intel显卡驱动

关键操作

下载最新驱动
- 访问 Intel驱动下载页，选择Arc系列显卡的最新驱动（如32.0.101.6559）。
安装驱动
- Windows：运行安装程序，按提示完成安装。
- Linux：使用包管理器（如Ubuntu/Debian）：
```
sudo apt install intel-opencl-icd intel-level-zero-gpu level-zero  
```
验证驱动状态
- Windows：按 Win + X > 设备管理器 > 显示适配器，确认显卡型号正确。
- Linux：
```
lspci | grep -i intel  # 确认显卡识别  
clinfo  # 检查OpenCL支持  
```

3. 安装Visual Studio Build Tools（仅Windows）

操作步骤

下载Visual Studio 2022
- 访问 Visual Studio官网，下载社区版。
安装C++桌面开发组件
- 在安装界面勾选：
  - 使用C++的桌面开发
  - Windows 10/11 SDK
  - C++ CMake工具
  - 默认也行
验证安装
- 打开命令提示符，运行 cl 命令，确认返回编译器版本信息。

4. 安装Intel oneAPI工具包

步骤说明

下载oneAPI Base Toolkit
- 访问 oneAPI官网，选择Base Toolkit->windows->offline installer，然后点击右边往下一点Continue as a Guest (download starts immediately) →下载
安装oneAPI
- Windows：运行安装程序，默认勾选所有组件，一直点就行了。
- Linux：使用包管理器或脚本安装。

激活oneAPI环境变量

Windows：

call "C:\Program Files (x86)\Intel\oneAPI\setvars.bat"   # cmd使用
cmd.exe "/K" '"C:\Program Files (x86)\Intel\oneAPI\setvars.bat" && powershell' # powershell使用

Linux：
```
source /opt/intel/oneapi/setvars.sh  
```

5. 安装Intel Extension for PyTorch (IPEX)

操作命令

激活虚拟环境与oneAPI

powershell中执行

cd xxx #最好切换到工作目录
conda create -n intel-ai python=3.11  # 前面创建过环境没有再次创建
conda activate intel-ai # 激活环境 
conda install libjepg-turbo #提前安装这两个库以免报错
conda install libpng 
cmd.exe "/K" '"C:\Program Files (x86)\Intel\oneAPI\setvars.bat" && powershell'  # 根据操作系统执行上述对应的oneAPI激活命令
conda activate intel-ai # 再次激活环境
conda install pkg-config libuv # 安装一些依赖

安装PyTorch与IPEX

# 安装PyTorch CPU版本（IPEX会自动启用GPU支持）  
pip install torch==2.3.1.post0+cxx11.abi torchvision==0.18.1.post0+cxx11.abi torchaudio==2.3.1.post0+cxx11.abi intel-extension-for-pytorch==2.3.110.post0+xpu --extra-index-url https://pytorch-extension.intel.com/release-whl/stable/xpu/cn/

pip install torch==2.5.1+cxx11.abi torchvision==0.20.1+cxx11.abi torchaudio==2.5.1+cxx11.abi intel-extension-for-pytorch==2.5.10+xpu --extra-index-url https://pytorch-extension.intel.com/release-whl/stable/xpu/cn/
# 最新版实测也能用

6. 验证IPEX安装与显卡识别

验证步骤

运行Python脚本检查GPU支持

import torch  
import intel_extension_for_pytorch as ipex  

print(f"PyTorch版本: {torch.__version__}")  
print(f"IPEX版本: {ipex.__version__}")  
print(f"Intel GPU是否可用: {torch.xpu.is_available()}")  
print(f"检测到的Intel GPU设备: {torch.xpu.get_device_name(0)}")

python -c "import torch; import intel_extension_for_pytorch as ipex; print('PyTorch版本:', torch.__version__); print('IPEX版本:', ipex.__version__); print('Intel GPU是否可用:', torch.xpu.is_available()); print('检测到的Intel GPU设备:', torch.xpu.get_device_name(0))"
# 一键脚本

预期输出

PyTorch版本: 2.1.0  
IPEX版本: 2.1.0  
Intel GPU是否可用: True  
检测到的Intel GPU设备: Intel(R) Arc(TM) A770 Graphics

官方脚本

python -c "import torch; import intel_extension_for_pytorch as ipex; print(torch.__version__); print(ipex.__version__); [print(f'[{i}]: {torch.xpu.get_device_properties(i)}') for i in range(torch.xpu.device_count())];"

至此已经安装成功了

7. 常见问题解决

遇到问题大多数时候都是各种版本不匹配，例如raise err OSError: [WinError 126] 找不到指定的模块。，尽量使用教程相同版本。

报错信息

E:\conda\envs\deepll\Lib\site-packages\torchvision\io\image.py:14: UserWarning: Failed to load image Python extension: 'Could not find module 'E:\conda\envs\deepll\Lib\site-packages\torchvision\image.pyd' (or one of its dependencies). Try using the full path with constructor syntax.'If you don't plan on using image functionality from `torchvision.io`, you can ignore this warning. Otherwise, there might be something wrong with your environment. Did you have `libjpeg` or `libpng` installed before building `torchvision` from source?
  warn(

解决方案

conda activate deepl # 激活对应环境
conda install libjepg-turbo
conda install libpng

若有其他缺少库报错，安装对应库即可，可以参考文章python库报错汇总 | 逐梦

总结

通过本教程，你已成功配置Intel显卡的AI开发环境，并验证了IPEX的GPU加速支持。接下来可尝试运行AI模型（如Stable Diffusion、LLM推理），并通过环境变量 LIBOMPTARGET_PLUGIN=LEVEL0 或 SYCL_CACHE_PERSISTENT=1 进一步优化性能。