Поделиться через


Машинное обучение с аппаратным ускорением на базе GPU

Графика Windows ML

В этой документации рассматриваются настройки для обучения с ускорением с помощью GPU для машинного обучения (ML) в подсистеме Windows для Linux (WSL) и в нативных Windows.

Эта функция поддерживает как профессиональные, так и начальные сценарии. Ниже вы найдете указатели на пошаговые руководства по настройке системы в зависимости от уровня опыта машинного обучения, поставщика GPU и используемой библиотеки программного обеспечения.

NVIDIA CUDA в WSL

Если вы профессиональный дата-сайентист, использующий нативную среду Linux для разработки и экспериментов по машинному обучению в рамках внутреннего цикла, и у вас есть GPU NVIDIA, мы рекомендуем настроить NVIDIA CUDA в WSL.

PyTorch с DirectML

Чтобы использовать PyTorch с фреймворком, который работает на всех GPU с поддержкой DirectX 12, рекомендуется настроить пакет PyTorch с DirectML. Этот пакет ускоряет рабочие процессы в GPU AMD, Intel и NVIDIA.

Если вы более знакомы с собственной средой Linux, рекомендуется запустить PyTorch с DirectML внутри WSL.

Если вы более знакомы с Windows, рекомендуется запустить PyTorch с DirectML в собственном Windows.

TensorFlow с DirectML

Это важно

Сейчас этот проект прекращен и не работает.

Чтобы использовать TensorFlow с платформой, которая работает на широком спектре GPU с поддержкой DirectX 12, рекомендуется установить пакет TensorFlow с DirectML. Этот пакет ускоряет рабочие процессы в GPU AMD, Intel и NVIDIA.

Дальнейшие шаги