Bagikan melalui

Pelatihan pembelajaran mesin yang dipercepat dengan GPU

Grafik Windows ML

Dokumentasi ini mencakup pengaturan skenario pelatihan pembelajaran mesin terakselerasi (ML) GPU untuk Subsistem Windows untuk Linux (WSL) dan Windows asli.

Fungsionalitas ini mendukung skenario profesional dan pemula. Di bawah ini Anda akan menemukan penunjuk ke panduan langkah demi langkah tentang cara menyiapkan sistem Anda tergantung pada tingkat keahlian Anda dalam ML, vendor GPU Anda, dan pustaka perangkat lunak yang ingin Anda gunakan.

NVIDIA CUDA di WSL

Jika Anda seorang ilmuwan data profesional yang menggunakan lingkungan Linux asli sehari-hari untuk pengembangan dan eksperimen ML perulangan dalam, dan Anda memiliki GPU NVIDIA, sebaiknya siapkan NVIDIA CUDA di WSL.

PyTorch dengan DirectML

Untuk menggunakan PyTorch dengan kerangka kerja yang berfungsi di seluruh GPU berkemampuan DirectX 12, sebaiknya siapkan PyTorch dengan paket DirectML . Paket ini mempercepat alur kerja pada GPU AMD, Intel, dan NVIDIA.

Jika Anda lebih terbiasa dengan lingkungan Linux asli, sebaiknya jalankan PyTorch dengan DirectML di dalam WSL.

Jika Anda lebih terbiasa dengan Windows, sebaiknya jalankan PyTorch dengan DirectML di Windows asli.

TensorFlow dengan DirectML

Penting

Proyek ini sekarang dihentikan, dan tidak aktif dikerjakan.

Untuk menggunakan TensorFlow dengan kerangka kerja yang berfungsi di seluruh GPU berkemampuan DirectX 12, sebaiknya siapkan paket TensorFlow dengan DirectML. Paket ini mempercepat alur kerja pada GPU AMD, Intel, dan NVIDIA.

Langkah selanjutnya