Estruturas de aprendizagem profunda e IA para a Máquina Virtual de Ciência de Dados do Azure
As estruturas de aprendizagem profunda na DSVM estão listadas aqui:
Controlador CUDA, cuDNN, NVIDIA
Categoria | Value |
---|---|
Versões suportadas | 11 |
Edições DSVM suportadas | 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 execute nvidia-smi. |
Horovod
Categoria | Value |
---|---|
Versões suportadas | 0.21.3 |
Edições DSVM suportadas | Linux |
Como ele é configurado e instalado na DSVM? | Horovod está instalado no Python 3.5 |
Como executá-lo | Ative o ambiente correto no terminal e, em seguida, execute o Python. |
Interface de gerenciamento de sistema NVidia (nvidia-smi)
Categoria | Value |
---|---|
Versões suportadas | |
Edições DSVM suportadas | 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 GPUs, abra um prompt de comando (no Windows) ou um terminal (no Linux) e execute nvidia-smi . |
PyTorch
Categoria | Value |
---|---|
Versões suportadas | 1.9.0 (Linux, Windows 2019) |
Edições DSVM suportadas | Windows Server 2019 Linux |
Como ele é configurado e instalado na DSVM? | Instalado em Python, ambientes conda 'py38_default', 'py38_pytorch' |
Como executá-lo | No terminal, ative o ambiente apropriado e execute o Python. * JupyterHub: Conecte-se e, em seguida, abra o diretório PyTorch para amostras. |
TensorFlow
Categoria | Value |
---|---|
Versões suportadas | 2.5 |
Edições DSVM suportadas | Windows Server 2019 Linux |
Como ele é configurado e instalado na DSVM? | Instalado em Python, ambientes 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 amostras. |