- Windows 10 Insider Preview build 20150 er live i Dev Channel.
- NVIDIA CUDA på WSL er nu i offentlig forhåndsvisning.
- Besøg vores for at få de seneste nyheder om Windows 10 preview-builds Insider-program sektion når som helst!
- For opdateringer, rettelser og anmeldelser relateret til Windows 10, se vores dedikerede Windows 10 side.
Denne software holder dine drivere kørende og holder dig dermed beskyttet mod almindelige computerfejl og hardwarefejl. Tjek alle dine chauffører nu i 3 nemme trin:
- Download DriverFix (verificeret downloadfil).
- Klik på Start scanning for at finde alle problematiske drivere.
- Klik på Opdater drivere for at få nye versioner og undgå systemfejl.
- DriverFix er downloadet af 0 læsere denne måned.
Windows 10 Insider-forhåndsvisning bygge 20150 ramte Dev Channel (tidligere Fast ring) allerede. Det bragte et par funktioner, der senere kan komme i live med build 21H1, selvom ingen helt sikkert kan fortælle det. Men hvis du er dataforsker, introducerer build noget, der kan interessere dig - NVIDIA CUDA på WSL 2.
NVIDIA CUDA på WSL går til offentlig forhåndsvisning
Microsoft annonceret at det gik sammen med NVIDIA for at levere et værktøj, der letter GPU-accelereret ML-træning inden for Windows Subsystem til Linux. Windows 10-insidere i Dev Channel og medlemmer af NVDIA Developer Program kan få adgang til funktionen.
Denne forhåndsvisning inkluderer understøttelse af eksisterende ML-værktøjer, biblioteker og populære rammer, herunder PyTorch og TensorFlow. Samt alle Docker- og NVIDIA Container Toolkit-understøttelser tilgængelige i et oprindeligt Linux-miljø, så containeriserede GPU-arbejdsbelastninger, der er bygget til at køre på Linux, kan køre som de er inden for WSL 2.
Implementeringen af NVDIA CUDA på WSL 2 bør udløse interesse blandt Windows 10 brugere inden for kunstig intelligens. Det gør det muligt for dataforskere at udnytte GPU-accelereret dyb læring (DL) på Microsoft Windows-platforme.
NVIDIA udviklede CUDA til at drive parallel computing på enheder, der bruger virksomhedens grafiske processorenheder. Teknologien gør det muligt for udviklere at fremskynde computerintensive applikationer, såsom ML-træning, ved at udnytte kraften fra GPU'er derudover.
Så med CUDA på WSL, kan dine computerapplikationer få mest muligt ud af NVIDIA-grafikkort og pc'er, der drives af GPU'er.
Udover CUDA-programmeringssupport kan du nu arbejde med TensorFlow, MXNet, PyTorch og andre DL-rammer inden for WSL 2. Open source softwarebiblioteker som RAPIDS er også tilgængelige for dig.
Med GPU-beregningssupport, der kommer til WSL 2, skal dataforskere få ML-træningsresultater meget hurtigere fremadrettet.
Er du en AI-entusiast eller professionel ivrig efter at udforske NVIDIA CUDA på WSL 2? Du kan dele dine tanker eller forventninger via kommentarfeltet nedenfor.
