適用於 Azure 資料科學虛擬機器 的深度學習和 AI 架構
DSVM 上的深度學習架構列於此處：
CUDA、cuDNN、NVIDIA 驅動程式
| 類別 | 值 |
|---|---|
| 支援的版本 | 11 |
| 支援的 DSVM 版本 | Windows Server 2019 Linux |
| 如何在 DSVM 上設定和安裝？ | nvidia-smi 可於系統路徑上取得。 |
| 執行方式 | 開啟命令提示字元 (Windows) 或終端 (Linux)，然後執行 nvidia-smi。 |
Horovod
| 類別 | 值 |
|---|---|
| 支援的版本 | 0.21.3 |
| 支援的 DSVM 版本 | Linux |
| 如何在 DSVM 上設定和安裝？ | Horovod 安裝在 Python 3.5 |
| 執行方式 | 在終端啟動正確的環境，然後執行 Python。 |
NVidia System Management Interface (nvidia-smi)
| 類別 | 值 |
|---|---|
| 支援的版本 | |
| 支援的 DSVM 版本 | Windows Server 2019 Linux |
| 其用途為何？ | 作為查詢 GPU 活動的 NVIDIA 工具 |
| 如何在 DSVM 上設定和安裝？ | nvidia-smi 位於系統路徑上。 |
| 執行方式 | 在具有 GPU 的虛擬機上，開啟命令提示字元 （在 Windows 上），或終端機 （在 Linux 上），然後執行 nvidia-smi。 |
PyTorch
| 類別 | 值 |
|---|---|
| 支援的版本 | 1.9.0 (Linux、Windows 2019) |
| 支援的 DSVM 版本 | Windows Server 2019 Linux |
| 如何在 DSVM 上設定和安裝？ | 安裝在 Python，conda 環境 'py38_default'、'py38_pytorch' |
| 執行方式 | 在終端機中，啟動適當的環境，然後執行 Python。 * JupyterHub：連線，然後開啟 PyTorch 目錄來取得範例。 |
TensorFlow
| 類別 | 值 |
|---|---|
| 支援的版本 | 2.5 |
| 支援的 DSVM 版本 | Windows Server 2019 Linux |
| 如何在 DSVM 上設定和安裝？ | 安裝在 Python，conda 環境 'py38_default'、'py38_tensorflow' |
| 執行方式 | 在終端機中，啟用正確的環境，然後執行 Python。 * Jupyter：連線到 Jupyter 或 JupyterHub，然後開啟 TensorFlow 目錄來取得範例。 |