GPU 加速 ML 训练
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。
WSL 中的 NVIDIA CUDA
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。
TensorFlow with DirectML
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。
PyTorch 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。