Partage via


Deep Learning et infrastructures d'IA pour la Data Science Virtual Machine

Les infrastructures de Deep Learning utilisant la DSVM sont répertoriées ici :

Pilote CUDA, cuDNN, NVIDIA

Category Valeur
Versions prises en charge 11
Éditions DSVM prises en charge Windows Server 2019
Linux
Comment est-il configuré et installé sur la machine virtuelle DSVM ? nvidia-smi est disponible sur le chemin système.
Comment l’exécuter Ouvrez une invite de commandes (sur Windows) ou un terminal (sur Linux), puis exécutez nvidia-smi.

Horovod

Category Valeur
Versions prises en charge 0.21.3
Éditions DSVM prises en charge Linux
Comment est-il configuré et installé sur la machine virtuelle DSVM ? Horovod est installé dans l’environnement Python 3.5
Comment l’exécuter Activez l’environnement approprié sur le terminal, puis exécutez Python.

NVidia System Management Interface (nvidia-smi)

Category Valeur
Versions prises en charge
Éditions DSVM prises en charge Windows Server 2019
Linux
À quoi sert-il ? en tant qu'outil NVIDIA pour interroger l'activité GPU
Comment est-il configuré et installé sur la machine virtuelle DSVM ? nvidia-smi se trouve sur le chemin système.
Comment l’exécuter Sur une machine virtuelle comprenant des GPU, ouvrez une invite de commandes (sur Windows) ou un terminal (sur Linux), puis exécutez nvidia-smi.

PyTorch

Category Valeur
Versions prises en charge 1.9.0 (Linux, Windows 2019)
Éditions DSVM prises en charge Windows Server 2019
Linux
Comment est-il configuré et installé sur la machine virtuelle DSVM ? Installé dans Python, environnements conda 'py38_default', 'py38_pytorch'
Comment l’exécuter Sur le terminal, activez l'environnement approprié, puis exécutez Python.
* JupyterHub : Connectez-vous, puis ouvrez le répertoire PyTorch pour obtenir des exemples.

TensorFlow

Category Valeur
Versions prises en charge 2.5
Éditions DSVM prises en charge Windows Server 2019
Linux
Comment est-il configuré et installé sur la machine virtuelle DSVM ? Installé dans Python, environnements conda 'py38_default', 'py38_tensorflow'
Comment l’exécuter Dans le terminal, activez l'environnement approprié, puis lancez Python.
* Jupyter : Connectez-vous à Jupyter ou JupyterHub, puis ouvrez le répertoire TensorFlow pour obtenir des exemples.