- Windows 10 Insider Preview build 20150 er live i Dev Channel.
- NVIDIA CUDA på WSL er nå i offentlig forhåndsvisning.
- For å få de siste nyhetene om forhåndsvisning av Windows 10, besøk vår Insider-program seksjon når som helst!
- For oppdateringer, reparasjoner og anmeldelser relatert til Windows 10, sjekk ut vår dedikerte Windows 10 side.
Denne programvaren vil holde driverne dine i gang, og dermed beskytte deg mot vanlige datamaskinfeil og maskinvarefeil. Sjekk alle driverne dine nå i 3 enkle trinn:
- Last ned DriverFix (bekreftet nedlastningsfil).
- Klikk Start søk for å finne alle problematiske drivere.
- Klikk Oppdater drivere for å få nye versjoner og unngå systemfeil.
- DriverFix er lastet ned av 0 lesere denne måneden.
Forhåndsvisning av Windows 10 Insider bygge 20150 traff Dev Channel (tidligere Fast ring) allerede. Det brakte et par funksjoner som senere kan komme i live med build 21H1, selv om ingen kan fortelle det sikkert. Men hvis du er datavitenskapsmann, introduserer bygningen noe som kan interessere deg - NVIDIA CUDA på WSL 2.
NVIDIA CUDA på WSL går til offentlig forhåndsvisning
Microsoft kunngjort at det gikk sammen med NVIDIA for å levere et verktøy som muliggjør GPU-akselerert ML-trening innen Windows Subsystem for Linux. Windows 10-innsidere i Dev Channel og medlemmer av NVDIA Developer Program har tilgang til funksjonen.
Denne forhåndsvisningen inkluderer støtte for eksisterende ML-verktøy, biblioteker og populære rammer, inkludert PyTorch og TensorFlow. I tillegg til all Docker- og NVIDIA Container Toolkit-støtte tilgjengelig i et opprinnelig Linux-miljø, slik at containeriserte GPU-arbeidsbelastninger bygget for å kjøre på Linux for å kjøre som de er i WSL 2.
Distribusjonen av NVDIA CUDA på WSL 2 bør vekke interesse blant Windows 10 brukere innen kunstig intelligens. Det gjør dataforskere i stand til å utnytte GPU-akselerert deep learning (DL) på Microsoft Windows-plattformer.
NVIDIA utviklet CUDA for å drive parallell databehandling på enheter som bruker selskapets grafiske prosesseringsenheter. Teknologien gjør det mulig for utviklere å akselerere beregningskrevende applikasjoner, for eksempel ML-trening, ved å utnytte kraften til GPUer, i tillegg.
Så, med CUDA på WSL, kan databehandlingsapplikasjonene dine få mest mulig ut av NVIDIA-grafikkort og PC-er drevet av GPUer.
Foruten CUDA-programmeringsstøtte, kan du nå jobbe med TensorFlow, MXNet, PyTorch og andre DL-rammer innen WSL 2. Open source programvarebiblioteker som RAPIDS er også tilgjengelig for deg.
Med støtte for GPU-beregning som kommer til WSL 2, skal dataforskere få ML-treningsresultater mye raskere fremover.
Er du en AI-entusiast eller profesjonell som er ivrig etter å utforske NVIDIA CUDA på WSL 2? Du kan dele dine tanker eller forventninger via kommentarfeltet nedenfor.
