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。 下面您将找到分步指南的目录，用于根据您的机器学习专业知识水平、GPU供应商以及您计划使用的软件库来设置系统。
WSL 中的 NVIDIA CUDA
如果你是一名专业数据科学家，他日常使用本机 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。
将 PyTorch 与 DirectML 配合使用
要将 PyTorch 与可在各种 DirectX 12 GPU 上运行的框架配合使用，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。
如果您对原生 Linux 环境更熟悉，那么我们建议 在 WSL 中使用 DirectML 运行 PyTorch。
如果你更熟悉 Windows，我们建议运行本机 Windows 上的 PyTorch with DirectML。
TensorFlow 与 DirectML
重要
此项目现已停用，不再积极开发。
要将 TensorFlow 与可在各种 DirectX 12 GPU 上运行的框架配合使用，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。