培训
认证
Microsoft Certified: Azure Data Scientist Associate - Certifications
使用 Python、Azure 机器学习和 MLflow 管理数据引入和准备、模型训练和部署以及机器学习解决方案监视。
本文档介绍如何为适用于 Linux 的 Windows 子系统 (WSL) 和本机 Windows 设置 GPU 加速机器学习 (ML) 训练方案。
此功能支持专业和初学者方案。 下面将根据你的 ML 专业水平、GPU 供应商和打算使用的软件库,为你提供如何设置系统的分步指南指示。
如果你是一名专业数据科学家,日常使用本机 Linux 环境进行内部循环 ML 开发和试验,并且拥有 NVIDIA GPU,则我们建议在 WSL 中设置 NVIDIA CUDA。
如果你是学生、初学者或专业人士,使用 TensorFlow 并正在寻找一个能在各种支持 DirectX 12 的 GPU 上运行的框架,则我们建议设置 TensorFlow with DirectML 包。 此包可加速 AMD、Intel 和 NVIDIA GPU 上的工作流。
如果你更熟悉本机 Linux 环境,则建议在 WSL 中运行 TensorFlow with DirectML。
如果你更熟悉 Windows,我们建议在本机 Windows 上运行 TensorFlow with DirectML。
如果你是学生、初学者或专业人士,使用 PyTorch 并正在寻找一个能在各种支持 DirectX 12 的 GPU 上运行的框架,则我们建议设置 PyTorch with DirectML 包。 此包可加速 AMD、Intel 和 NVIDIA GPU 上的工作流。
如果你更熟悉本机 Linux 环境,则建议在 WSL 中运行 PyTorch with DirectML。
如果你更熟悉 Windows,我们建议在本机 Windows 上运行 PyTorch with DirectML。
培训
认证
Microsoft Certified: Azure Data Scientist Associate - Certifications
使用 Python、Azure 机器学习和 MLflow 管理数据引入和准备、模型训练和部署以及机器学习解决方案监视。
文档
为 TensorFlow 2.9 启用 DirectML
在 WSL 2 上通过 DirectML 启用 PyTorch
有关使用 WSL 通过 **PyTorch with DirectML** 在现有硬件上运行 PyTorch 推理的说明。
Clarke Rahig 将详细介绍如何加速 GPU 以帮助训练机器学习 (ML) 模型,介绍并行度等概念,然后演示如何在 WSL 2 中使用 NVIDIA CUDA 和 TensorFlow 设置和运行完整的 ML 工作流(包括 GPU 加速)。 此外,他将展示学生和初学者如何使用 TensorFlow 和 DirectML 包在现有硬件上的机器学习(ML)空间中开始构建知识。 章节 00:00 - 简介 00:49 - 什么是机器学习 (ML)? 01:24 - 什么是 GPU 加速? 02:18 - 是否可以在 WSL 中运行完整的 ML 工作流? 02:52 - 如何在 WSL 内利用 NVIDIA CUDA? 03:39 - 如何实现 WSL 内设置 NVIDIA CUDA? 11:07 - 是否有办法利用现有的 GPU? 11:26 - 如何实现使用 DirectML 设置 Tensorflow? 14:00 - 制表符与空格? 14:29 - 接下来会发生什么? 可以从何处了解详细信息? 推荐的资源 相关 Microsoft Windows 博客文章 GPU 加速 ML 训练 NVIDIA