Delen via


Deep Learning- en AI-frameworks voor de Virtuele Machine van Azure Datawetenschap

Deep Learning-frameworks op de DSVM worden hier vermeld:

CUDA-, cuDNN-, NVIDIA-stuurprogramma

Categorie Weergegeven als
Ondersteunde versies 11
Ondersteunde DSVM-edities Windows Server 2019
Linux
Hoe wordt deze geconfigureerd en geïnstalleerd op de DSVM? nvidia-smi is beschikbaar op het systeempad.
Hoe u het kunt uitvoeren Open een opdrachtprompt (in Windows) of een terminal (op Linux) en voer nvidia-smi uit.

Horovod

Categorie Weergegeven als
Ondersteunde versies 0.21.3
Ondersteunde DSVM-edities Linux
Hoe wordt deze geconfigureerd en geïnstalleerd op de DSVM? Horovod is geïnstalleerd in Python 3.5
Hoe u het kunt uitvoeren Activeer de juiste omgeving in de terminal en voer Python uit.

NVidia System Management Interface (nvidia-smi)

Categorie Weergegeven als
Ondersteunde versies
Ondersteunde DSVM-edities Windows Server 2019
Linux
Waarvoor wordt het gebruikt? Als NVIDIA-hulpprogramma voor het uitvoeren van query's op GPU-activiteit
Hoe wordt deze geconfigureerd en geïnstalleerd op de DSVM? nvidia-smi bevindt zich op het systeempad.
Hoe u het kunt uitvoeren Open op een virtuele machine met GPU's een opdrachtprompt (in Windows) of een terminal (op Linux) en voer vervolgens uit nvidia-smi.

PyTorch

Categorie Weergegeven als
Ondersteunde versies 1.9.0 (Linux, Windows 2019)
Ondersteunde DSVM-edities Windows Server 2019
Linux
Hoe wordt deze geconfigureerd en geïnstalleerd op de DSVM? Geïnstalleerd in Python, conda-omgevingen 'py38_default', 'py38_pytorch'
Hoe u het kunt uitvoeren Activeer in de terminal de juiste omgeving en voer Python uit.
* JupyterHub: Verbinding maken en open vervolgens de pyTorch-map voor voorbeelden.

TensorFlow

Categorie Weergegeven als
Ondersteunde versies 2.5
Ondersteunde DSVM-edities Windows Server 2019
Linux
Hoe wordt deze geconfigureerd en geïnstalleerd op de DSVM? Geïnstalleerd in Python, conda-omgevingen 'py38_default', 'py38_tensorflow'
Hoe u het kunt uitvoeren Activeer in de terminal de juiste omgeving en voer Python uit.
* Jupyter: Verbinding maken naar Jupyter of JupyterHub en open vervolgens de Map TensorFlow voor voorbeelden.