إشعار
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تسجيل الدخول أو تغيير الدلائل.
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تغيير الدلائل.
ينطبق على:
IoT Edge 1.5
هام
IoT Edge 1.5 LTS هو الإصدار المدعوم release. وصل IoT Edge 1.4 LTS إلى نهاية صلاحيته في 12 نوفمبر 2024. إذا كنت تستخدم إصدارا أقدم، راجع Update IoT Edge.
وحدات معالجة الرسومات هي خيار شائع لحسابات الذكاء الاصطناعي لأنها توفر قدرات معالجة متوازية وغالبا ما تعمل على الاستدلال المستند إلى الرؤية بشكل أسرع من وحدات المعالجة المركزية. لدعم تطبيقات الذكاء الاصطناعي وتعلم الآلة، يعرض Azure IoT Edge for Linux على Windows (EFLOW) وحدة معالجة رسومات (GPU) لوحدة لينكس الخاصة بالآلة الافتراضية.
يدعم Azure IoT Edge لنظام Linux على Windows عدة تقنيات تمرير لوحدة معالجة الرسوميات، بما في ذلك:
تعيين الجهاز المباشر (DDA) - يتم تخصيص مراكز وحدة معالجة الرسومات إما لجهاز Linux الظاهري أو المضيف.
GPU-Paravirtualization (GPU-PV) - تتم مشاركة وحدة معالجة الرسومات بين الجهاز الظاهري Linux والمضيف.
يجب تحديد أسلوب المرور المناسب أثناء النشر لمطابقة الإمكانات المدعومة لأجهزة GPU الخاصة بجهازك.
هام
يمكن أن تتضمن هذه الميزات المكونات التي تم تطويرها وتملكها شركة NVIDIA أو المرخصين لها. يخضع استخدام المكونات لاتفاقية ترخيص المستخدم النهائي NVIDIA الموجودة على موقع NVIDIA على الويب.
باستخدام ميزات تسريع وحدة معالجة الرسومات، فإنك تقبل وتوافق على شروط اتفاقية ترخيص NVIDIA End-User.
المتطلبات الأساسية
تدعم ميزات تسريع وحدة معالجة الرسومات في Azure IoT Edge for Linux على Windows حاليا مجموعة مختارة من أجهزة GPU. أيضا، استخدام هذه الميزة قد يتطلب إصدارات محددة من Windows.
بطاقات الرسوميات المدعومة والإصدارات المطلوبة من Windows هي:
| وحدات معالجة الرسومات المدعومة | نوع المرور لوحدة معالجة الرسومات | إصدارات Windows المدعومة |
|---|---|---|
| NVIDIA T4، A2 | DDA | Windows Server 2019 Windows Server 2022 Windows 10/11 (Pro، Enterprise، IoT Enterprise) |
| NVIDIA GeForce، Quadro، RTX | GPU-PV | Windows 10/11 (Pro، Enterprise، IoT Enterprise) |
| معالج معالجة الرسوميات (iGPU) من إنتل | GPU-PV | Windows 10/11 (Pro، Enterprise، IoT Enterprise) |
هام
يمكن أن يقتصر دعم GPU-PV على أجيال معينة من المعالجات أو بنيات GPU، كما يحددها مورد GPU. لمزيد من المعلومات، راجع وثائق برنامج تشغيل iGPU من Intel أو وثائق NVIDIA ل WSL.
يجب على مستخدمي Windows Server 2019 استخدام الحد الأدنى من الإصدار 17763 مع تثبيت جميع التحديثات التراكمية الحالية.
يجب على المستخدمين >Windows 10 استخدام <تحديث نوفمبر 2021 الإصدار 19044.1620 أو أعلى. بعد التثبيت، تحقق من إصدار البناء الخاص بك عن طريق التشغيل winver في موجه الأوامر.
تمرير GPU غير مدعوم مع الافتراضية المتداخلة، مثل تشغيل EFLOW في جهاز افتراضي Windows.
إعداد النظام وتثبيته
تحتوي الأقسام التالية على معلومات الإعداد والتثبيت، وفقا لوحدة معالجة الرسومات الخاصة بك.
وحدات معالجة الرسومات NVIDIA T4/A2
بالنسبة إلى وحدات معالجة الرسومات T4/A2، توصي Microsoft بتثبيت برنامج تشغيل تخفيف الجهاز من مورد وحدة معالجة الرسومات. على الرغم من أنه اختياري، يمكن أن يؤدي تثبيت برنامج تشغيل التخفيف من المخاطر إلى تحسين أمان التوزيع. لمزيد من المعلومات، راجع نشر أجهزة الرسومات باستخدام تعيين الجهاز المباشر.
تحذير
يمكن أن يؤدي تمكين مرور الجهاز إلى زيادة مخاطر الأمان. توصي Microsoft برنامج تشغيل التخفيف من حدة الجهاز من مورد GPU الخاص بك، عند الاقتضاء. لمزيد من المعلومات، راجع نشر أجهزة الرسومات باستخدام تعيين جهاز منفصل.
وحدات معالجة الرسومات NVIDIA GeForce/Quadro/RTX
بالنسبة لبطاقات NVIDIA GeForce/Quadro/RTX، قم بتنزيل وتثبيت برنامج التشغيل NVIDIA CUDA الفعال ل Windows Subsystem for Linux (WSL) لاستخدامه مع سير عمل CUDA ML الحالي لديك. تم تطوير CUDA في الأصل ل WSL، وتستخدم أيضا مع Azure IoT Edge لنظام Linux على نظام Windows.
يجب على المستخدمين Windows 10 أيضا install WSL لأن بعض المكتبات مشتركة بين WSL و Azure IoT Edge لينكس على Windows.
وحدات Intel iGPUs
بالنسبة ل Intel iGPUs، قم بتنزيل وتثبيت برنامج تشغيل رسومات Intel مع دعم WSL GPU.
يجب على المستخدمين Windows 10 أيضا install WSL لأن بعض المكتبات مشتركة بين WSL و Azure IoT Edge لينكس على Windows.
Enable GPU acceleration in your Azure IoT Edge Linux on Windows deployment
بعد الانتهاء من إعداد النظام، ابدأ في إنشاء نشر Azure IoT Edge على لينكس على Windows. أثناء هذه العملية، قم بتمكين دعم GPU كجزء من نشر EFLOW.
على سبيل المثال، تنشئ هذه الأوامر جهازا ظاهريا يدعم GPU باستخدام NVIDIA A2 GPU أو بطاقة رسومات Intel Iris Xe.
#Deploys EFLOW with NVIDIA A2 assigned to the EFLOW VM
Deploy-Eflow -gpuPassthroughType DirectDeviceAssignment -gpuCount 1 -gpuName "NVIDIA A2"
#Deploys EFLOW with Intel(R) Iris(R) Xe Graphics assigned to the EFLOW VM
Deploy-Eflow -gpuPassthroughType ParaVirtualization -gpuCount 1 -gpuName "Intel(R) Iris(R) Xe Graphics"
للعثور على اسم بطاقة الرسوميات، شغل هذا الأمر أو ابحث عن محولات العرض في Device Manager.
(Get-WmiObject win32_VideoController).caption
بعد الانتهاء من التثبيت، قم بنشر وتشغيل وحدات Linux المسرعة بمعالج الرسوميات عبر Azure IoT Edge for Linux على Windows.
Configure GPU acceleration في إصدار Azure IoT Edge Linux موجود على Windows
قم بتعيين وحدة معالجة الرسومات في وقت النشر للحصول على التجربة الأكثر وضوحا. لتمكين وحدة معالجة الرسومات أو تعطيلها بعد التوزيع، استخدم set-eflowvm الأمر . عند استخدام set-eflowvm، يتم استخدام المعلمة الافتراضية لأي وسيطة لا تحددها. على سبيل المثال،
# Deploys EFLOW without a GPU assigned to the EFLOW VM
Deploy-Eflow -cpuCount 4 -memoryInMB 16384
# Assigns NVIDIA A2 GPU to the existing deployment (cpu and memory must still be specified, or they're set to the default values)
Set-EflowVM -cpuCount 4 -memoryInMB 16384 -gpuName "NVIDIA A2" -gpuPassthroughType DirectDeviceAssignment -gpuCount 1
# Reduces the cpuCount and memory (GPU must still be specified, or the GPU is removed)
Set-EflowVM -cpuCount 2 -memoryInMB 4096 -gpuName "NVIDIA A2" -gpuPassthroughType DirectDeviceAssignment -gpuCount 1
# Removes NVIDIA A2 GPU from the existing deployment
Set-EflowVM -cpuCount 2 -memoryInMB 4096
الخطوات التالية
جرب عينات GPU من عينات EFLOWs. تظهر هذه العينات سيناريوهات التصنيع والبيع بالتجزئة الشائعة مثل الكشف عن العيوب وسلامة العامل وإدارة المخزون. يمكن أن تكون هذه العينات مفتوحة المصدر قالب حل لبناء تطبيق التعلم الآلي المستند إلى الرؤية.
تعرف على المزيد حول تقنيات تمرير GPU في وثائق DDA ومنشور مدونةGPU-PV.
يوفر العديد من موردي GPU أدلة المستخدم حول تحقيق أقصى استفادة من أجهزتهم وبرامجهم باستخدام EFLOW:
- تعلم كيفية تشغيل تطبيقات Intel OpenVINO™ على EFLOW باتباع دليل Intel حول iGPU مع Azure IoT Edge لينكس على Windows (EFLOW) و مجموعة أدوات OpenVINO™.
- ابدأ في نشر التطبيقات المسرعة CUDA على EFLOW باتباع دليل مستخدم EFLOW الخاص ب NVIDIA ل GeForce/Quadro/RTX GPUs. لا يغطي هذا الدليل وحدات معالجة الرسومات المستندة إلى DDA مثل NVIDIA T4 أو A2.