Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Windows 11- und höher-Updates von Windows 10 unterstützen das Ausführen vorhandener ML-Tools, Bibliotheken und beliebter Frameworks, die NVIDIA CUDA für die GPU-Hardwarebeschleunigung innerhalb einer Windows-Subsysteminstanz für Linux (WSL) verwenden. Dazu gehören PyTorch und TensorFlow sowie alle Docker- und NVIDIA Container Toolkit-Unterstützung in einer nativen Linux-Umgebung.
Installieren von Windows 11 oder Windows 10, Version 21H2
Um diese Features zu verwenden, können Sie Windows 11 oder Windows 10, Version 21H2, herunterladen und installieren.
Installieren des GPU-Treibers
Laden Sie den NVIDIA CUDA-aktivierten Treiber für WSL herunter, und installieren Sie sie, um sie mit Ihren vorhandenen CUDA ML-Workflows zu verwenden. Weitere Informationen dazu, welcher Treiber installiert werden soll, finden Sie unter:
WSL installieren
Nachdem Sie den obigen Treiber installiert haben, stellen Sie sicher, dass Sie WSL aktivieren und eine glibc-basierte Verteilung installieren, z. B. Ubuntu oder Debian. Stellen Sie sicher, dass Sie über den neuesten Kernel verfügen, indem Sie in der Windows Update-Sektion der App "Einstellungen" auf Nach Updates suchen klicken.
Hinweis
Stellen Sie sicher, dass Sie Updates für andere Microsoft-Produkte erhalten aktiviert haben. Sie finden sie in den erweiterten Optionen im Windows Update-Abschnitt der Einstellungs-App.
Für diese Features benötigen Sie eine Kernelversion von 5.10.43.3 oder höher. Sie können die Versionsnummer überprüfen, indem Sie den folgenden Befehl in PowerShell ausführen.
wsl cat /proc/version
Erste Schritte mit NVIDIA CUDA
Folgen Sie nun den Anweisungen im NVIDIA CUDA auf WSL-Benutzerhandbuch , und Sie können mit der Verwendung Ihrer exisiting Linux-Workflows über NVIDIA Docker oder durch Installieren von PyTorch oder TensorFlow innerhalb von WSL beginnen.
Teilen Sie Feedback zur Unterstützung von NVIDIA über ihr Community-Forum für CUDA auf WSL.