Intel显卡运行AI配置教程

当前安装方式：PyTorch 原生 XPU

下面以 Windows 11 和 Arc A770 为例，使用 PyTorch 官方 XPU wheel。普通的预编译 wheel 不需要把旧版 IPEX 和 oneAPI setvars.bat 作为固定前置步骤；GPU 驱动仍需满足当前 PyTorch 的要求。Linux 的驱动与运行时安装应按对应发行版的官方说明处理。

创建环境与安装

使用独立环境，避免直接覆盖旧项目依赖：

conda create -n intel-xpu python=3.11
conda activate intel-xpu
python -m pip install --upgrade pip
python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/xpu
python -m pip check

默认使用稳定版索引；只有项目明确要求测试版时才选 nightly，并记录对应版本。

验证 GPU 与实际计算

将下面代码保存为 check_xpu.py，在刚创建的环境中执行 python check_xpu.py：

import torch

print("PyTorch:", torch.__version__)
print("XPU available:", torch.xpu.is_available())
if not torch.xpu.is_available():
    raise RuntimeError("当前环境没有可用XPU，请检查wheel、驱动与Python路径")

print("Device:", torch.xpu.get_device_name(0))
x = torch.ones((64, 64), device="xpu")
y = x @ x
torch.xpu.synchronize()
print("Result:", y[0, 0].item())  # 应为64.0

is_available() 用来检查设备是否可用，张量计算再验证实际执行路径；原生流程无需导入 intel_extension_for_pytorch。需要 torch.compile 或编译自定义扩展时，再按对应功能的文档补充编译器，而不是默认安装全部开发工具。

训练示例使用 CIFAR-10，首次运行会下载数据，并在当前目录保存 checkpoint.pth；已有同名模型时先调整保存路径。先用上面的短计算示例检查设备，显存不足时继续减小 batch size。

import torch
import torchvision

if not torch.xpu.is_available():
    raise RuntimeError("先通过XPU设备检查，再运行训练示例")

LR = 0.001
DOWNLOAD = True
DATA = "datasets/cifar10/"

transform = torchvision.transforms.Compose(
    [
        torchvision.transforms.Resize((224, 224)),
        torchvision.transforms.ToTensor(),
        torchvision.transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)),
    ]
)
train_dataset = torchvision.datasets.CIFAR10(
    root=DATA,
    train=True,
    transform=transform,
    download=DOWNLOAD,
)
train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=32)
train_len = len(train_loader)

model = torchvision.models.resnet18(num_classes=10).to("xpu")
criterion = torch.nn.CrossEntropyLoss().to("xpu")
optimizer = torch.optim.SGD(model.parameters(), lr=LR, momentum=0.9)
model.train()

print(f"Initiating training")
for batch_idx, (data, target) in enumerate(train_loader):
    data = data.to("xpu")
    target = target.to("xpu")
    optimizer.zero_grad()
    output = model(data)
    loss = criterion(output, target)
    loss.backward()
    optimizer.step()
    if (batch_idx + 1) % 10 == 0:
         iteration_loss = loss.item()
         print(f"Iteration [{batch_idx+1}/{train_len}], Loss: {iteration_loss:.4f}")
torch.save(
    {
        "model_state_dict": model.state_dict(),
        "optimizer_state_dict": optimizer.state_dict(),
    },
    "checkpoint.pth",
)

print("Execution finished")

旧版 IPEX 环境记录

以下保留原先的安装与排错记录，涉及当时的驱动、oneAPI 和特定 PyTorch/IPEX 组合。它们不是前面原生 XPU 流程的后续步骤，也不应装进同一个环境。复现旧项目时，应按对应 release 的 wheel 平台、Python 版本与依赖矩阵核对。

2026-11-03 复核：Intel 已停止 IPEX 主动开发和季度版本发布，并建议直接使用 PyTorch 原生能力；官方给出的过渡维护期截至 2026 年 3 月。因此本节只用于复现旧环境，新项目不要再把 IPEX 作为默认方案。

原记录的平台与版本

• Intel Arc系列显卡（如A770 16G）驱动为6559
• win11
• oneAPI==2025.0.1
• PyTorch 与 IPEX：分别核对下文版本组合，不把 IPEX 版本号当作 PyTorch 版本号

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

1. 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）。
2. 安装Miniconda
   • Windows：按安装器提示完成安装，通过 Miniconda Prompt 或 shell 初始化使用环境，不必把整个安装目录加入系统 PATH。
   • Linux/macOS：

     bash Miniconda3-latest-Linux-x86_64.sh  # 根据文件名调整  

3. 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

1. 下载最新驱动
   • 访问 Intel驱动下载页，按当时系统与运行库的支持矩阵选择驱动；32.0.101.6559 是原记录版本，不是当前固定推荐值。
2. 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  

3. 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

1. 下载Visual Studio 2022
   • 访问 Visual Studio官网，下载社区版。
2. 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
3. 验证安装
   • 打开对应 Visual Studio 的开发者命令提示符，运行 cl 检查编译器；普通终端未加载 MSVC 环境时找不到 cl，并不等于没有安装。

4. 安装Intel oneAPI工具包

步骤说明

1. 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

2. 安装oneAPI

   • Windows：按对应 IPEX 版本的文档选择所需组件，不必默认安装全部工具包。
   • Linux：使用包管理器或脚本安装。

3. 激活oneAPI环境变量

   以下调用仅用于这个旧 IPEX 环境；Windows 命令在已能使用 Conda 的 CMD 中执行，call 不是 PowerShell 语法。

   • Windows：

     call "C:\Program Files (x86)\Intel\oneAPI\setvars.bat"

   • Linux：

     source /opt/intel/oneapi/setvars.sh  

5. 安装Intel Extension for PyTorch (IPEX)

操作命令

1. 激活虚拟环境与oneAPI
   在 CMD 中执行，工作目录按实际位置修改；已有 intel-ai 环境时跳过创建命令。

   cd /d "E:\AI"
   conda create -n intel-ai python=3.11
   conda activate intel-ai 
   conda install libjpeg-turbo
   conda install libpng 
   call "C:\Program Files (x86)\Intel\oneAPI\setvars.bat"
   conda activate intel-ai
   conda install pkg-config libuv

2. 安装PyTorch与IPEX

   # 历史IPEX专用版本组合；需确认对应平台的wheel仍可获取  
   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/
   # 原记录的另一组历史版本，不代表当前最新版本

6. 验证IPEX安装与显卡识别

验证步骤

1. 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)}" if torch.xpu.is_available() else "未检测到可用XPU")  

   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) if torch.xpu.is_available() else '未检测到可用XPU')"
   # 一键脚本

2. 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())];"

   以上输出仅是旧版示例格式，版本号应以实际安装结果为准；还需通过实际计算测试确认。

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。，先区分原生 XPU 与旧 IPEX 环境，核对解释器路径和同一 release 支持的版本组合，不盲目在已有环境中反复升降级。

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 intel-ai
conda install libjpeg-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

新项目先验证 PyTorch 原生 XPU 路线；旧 IPEX 项目单独保留环境与版本记录。运行库相关环境变量应有具体的适用版本和测试依据，不把它们作为所有 Arc 工作负载的通用加速开关。

参考链接

获取英特尔® oneAPI Base Toolkit

Welcome to Intel® Extension for PyTorch* Documentation!

intel arc 显卡 ComfyUI 安装教程_哔哩哔哩_bilibili

AI绘画 | 只要10步让你在英特尔A770显卡下安装ComfyUI运行StableDiffusion3最新开源模型_arc a750 安装comfyui-CSDN博客

Getting Started on Intel GPU — PyTorch main documentation