Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Bu belge , Linux için Windows Alt Sistemi (WSL) ve yerel Windows için GPU hızlandırılmış makine öğrenmesi (ML) eğitim senaryolarını ayarlamayı kapsar.
Bu işlevsellik hem profesyonel hem de başlangıç senaryolarını destekler. Aşağıda ML'deki uzmanlık düzeyinize, GPU satıcınıza ve kullanmayı planladığınız yazılım kitaplığına bağlı olarak sisteminizin nasıl ayarlanacağına ilişkin adım adım kılavuzların işaretçilerini bulabilirsiniz.
WSL'de NVIDIA CUDA
İç döngü ML geliştirme ve denemesi için günlük yerel bir Linux ortamı kullanan profesyonel bir veri bilimcisiyseniz ve NVIDIA GPU'nuz varsa WSL'de NVIDIA CUDA'yı ayarlamanızı öneririz.
DirectML ile PyTorch
PyTorch'u DirectX 12 özellikli GPU'ların genişliği boyunca çalışan bir çerçeveyle kullanmak için DirectML paketi ile PyTorch'u ayarlamanızı öneririz. Bu paket AMD, Intel ve NVIDIA GPU'larında iş akışlarını hızlandırır.
Yerel bir Linux ortamı hakkında daha fazla bilginiz varsa PyTorch'u WSL içinde DirectML ile çalıştırmanızı öneririz.
Windows hakkında daha fazla bilginiz varsa yerel Windows üzerinde DirectML ile PyTorch çalıştırmanızı öneririz.
DirectML ile TensorFlow
Önemli
Bu proje artık sonlandırıldı ve üzerinde etkin bir şekilde çalışılmıyor.
TensorFlow'u DirectX 12 özellikli GPU'ların genişliği boyunca çalışan bir çerçeveyle kullanmak için TensorFlow'u DirectML paketiyle ayarlamanızı öneririz. Bu paket AMD, Intel ve NVIDIA GPU'larında iş akışlarını hızlandırır.