Anteckning
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Djupinlärningsramverk på DSVM visas här:
CUDA-, cuDNN-, NVIDIA-drivrutin
| Kategori | Värde |
|---|---|
| Versioner som stöds | 11 |
| DSVM-utgåvor som stöds | Windows Server 2019 Linux |
| Hur konfigureras och installeras den på DSVM? | nvidia-smi finns på systemsökvägen. |
| Så här kör du den | Öppna en kommandotolk (i Windows) eller en terminal (på Linux) och kör sedan nvidia-smi. |
Horovod
| Kategori | Värde |
|---|---|
| Versioner som stöds | 0.21.3 |
| DSVM-utgåvor som stöds | Linux |
| Hur konfigureras och installeras den på DSVM? | Horovod installeras i Python 3.5 |
| Så här kör du den | Aktivera rätt miljö i terminalen och kör sedan Python. |
NVidia System Management Interface (nvidia-smi)
| Kategori | Värde |
|---|---|
| Versioner som stöds | |
| DSVM-utgåvor som stöds | Windows Server 2019 Linux |
| Vad används den till? | Som ett NVIDIA-verktyg för att fråga GPU-aktivitet |
| Hur konfigureras och installeras den på DSVM? | nvidia-smi finns på systemsökvägen. |
| Så här kör du den | På en virtuell dator med GPU:er öppnar du en kommandotolk (i Windows) eller en terminal (i Linux) och kör nvidia-smisedan . |
PyTorch
| Kategori | Värde |
|---|---|
| Versioner som stöds | 1.9.0 (Linux, Windows 2019) |
| DSVM-utgåvor som stöds | Windows Server 2019 Linux |
| Hur konfigureras och installeras den på DSVM? | Installerad i Python, conda-miljöer "py38_default", "py38_pytorch" |
| Så här kör du den | Aktivera lämplig miljö i terminalen och kör sedan Python. * JupyterHub: Anslut och öppna sedan katalogen PyTorch för exempel. |
TensorFlow
| Kategori | Värde |
|---|---|
| Versioner som stöds | 2.5 |
| DSVM-utgåvor som stöds | Windows Server 2019 Linux |
| Hur konfigureras och installeras den på DSVM? | Installerad i Python, conda-miljöer "py38_default", "py38_tensorflow" |
| Så här kör du den | Aktivera rätt miljö i terminalen och kör sedan Python. * Jupyter: Anslut till Jupyter eller JupyterHub och öppna sedan TensorFlow-katalogen för exempel. |