Marcos de aprendizaje profundo e inteligencia artificial para Azure Data Science Virtual Machine
Los marcos de aprendizaje profundo en DSVM se enumeran aquí:
CUDA, cuDNN, NVIDIA Driver
| Category | Valor |
|---|---|
| Versiones compatibles | 11 |
| Ediciones de DSVM admitidas | Windows Server 2019 Linux |
| ¿Cómo se configura e instala en DSVM? | nvidia-smi está disponible en la ruta de acceso del sistema. |
| Cómo ejecutarlo | Abra un símbolo del sistema (en Windows) o un terminal (en Linux) y ejecute nvidia-smi. |
Horovod
| Category | Valor |
|---|---|
| Versiones compatibles | 0.21.3 |
| Ediciones de DSVM admitidas | Linux |
| ¿Cómo se configura e instala en DSVM? | Horovod se instala en Python 3.5 |
| Cómo ejecutarlo | Active el entorno correcto en el terminal y, luego, ejecute Python. |
NVidia System Management Interface (nvidia-smi)
| Category | Valor |
|---|---|
| Versiones compatibles | |
| Ediciones de DSVM admitidas | Windows Server 2019 Linux |
| ¿Para qué se usa? | Como herramienta de NVIDIA para consultar la actividad de la GPU |
| ¿Cómo se configura e instala en DSVM? | nvidia-smi está en la ruta de acceso del sistema. |
| Cómo ejecutarlo | En una máquina virtual con GPU, abra un símbolo del sistema (en Windows), o un terminal (en Linux), y ejecute nvidia-smi. |
PyTorch
| Category | Valor |
|---|---|
| Versiones compatibles | 1.9.0 (Linux, Windows 2019) |
| Ediciones de DSVM admitidas | Windows Server 2019 Linux |
| ¿Cómo se configura e instala en DSVM? | Instalado en Python, los entornos de Conda "py38_default", "py38_pytorch" |
| Cómo ejecutarlo | En el terminal, active el entorno adecuado y, luego, ejecute Python. * JupyterHub: conéctese y abra el directorio de PyTorch para obtener ejemplos. |
TensorFlow
| Category | Valor |
|---|---|
| Versiones compatibles | 2.5 |
| Ediciones de DSVM admitidas | Windows Server 2019 Linux |
| ¿Cómo se configura e instala en DSVM? | Instalado en Python, los entornos de Conda "py38_default", "py38_tensorflow" |
| Cómo ejecutarlo | En el terminal, active el entorno correcto y, luego, ejecute Python. *Jupyter: conéctese a Jupyter o JupyterHub y abra el directorio TensorFlow para acceder a los ejemplos. |