Estruturas de aprendizagem profunda e IA para a Máquina Virtual de Ciência de Dados do Azure
As estruturas de aprendizagem profunda no DSVM estão listadas aqui:
CUDA, cuDNN, driver NVIDIA
| Categoria | Valor |
|---|---|
| Versões suportadas | 11 |
| Edições do DSVM com suporte | Windows Server 2019 Linux |
| Como ele é configurado e instalado na DSVM? | nvidia-smi está disponível no caminho do sistema. |
| Como executá-lo | Abra um prompt de comando (no Windows) ou um terminal (no Linux) e, em seguida, execute nvidia-smi. |
Horovod
| Categoria | Valor |
|---|---|
| Versões suportadas | 0.21.3 |
| Edições da DSVM com suporte | Linux |
| Como ele é configurado e instalado na DSVM? | O Horovod é instalado no Python 3.5 |
| Como executá-lo | Ative o ambiente correto no terminal e, em seguida, execute o Python. |
Interface de Gerenciamento do Sistema NVIDIA (nvidia-smi)
| Categoria | Valor |
|---|---|
| Versões suportadas | |
| Edições do DSVM com suporte | Windows Server 2019 Linux |
| Para que é utilizado? | Como uma ferramenta NVIDIA para consultar a atividade da GPU |
| Como ele é configurado e instalado na DSVM? | nvidia-smi está no caminho do sistema. |
| Como executá-lo | Em uma máquina virtual com GPU, abra um prompt de comando (no Windows) ou um terminal (no Linux) e execute nvidia-smi. |
PyTorch
| Categoria | Valor |
|---|---|
| Versões suportadas | 1.9.0 (Linux, Windows 2019) |
| Edições do DSVM com suporte | Windows Server 2019 Linux |
| Como ele é configurado e instalado na DSVM? | Instalado no Python, ambiente conda “py38_default”, “py38_pytorch” |
| Como executá-lo | No terminal, ative o ambiente apropriado e execute o Python. * JupyterHub: conecte-se e, seguida, abra o diretório PyTorch para obter exemplos. |
TensorFlow
| Categoria | Valor |
|---|---|
| Versões suportadas | 2.5 |
| Edições do DSVM com suporte | Windows Server 2019 Linux |
| Como ele é configurado e instalado na DSVM? | Instalado no Python, ambiente conda “py38_default”, “py38_tensorflow” |
| Como executá-lo | No terminal, ative o ambiente correto e execute o Python. * Jupyter: conecte-se ao Jupyter ou JupyterHub e, em seguida, abra o diretório TensorFlow para obter exemplos. |