- Windows 10 Insider Preview build 20150 är live i Dev Channel.
- NVIDIA CUDA på WSL är nu i offentlig förhandsgranskning.
- För att få de senaste nyheterna om förhandsgranskningsversioner av Windows 10, besök vår Insiderprogram avsnittet när som helst!
- För uppdateringar, korrigeringar och recensioner relaterade till Windows 10, kolla in vår dedikerade Windows 10 sida.
Denna programvara kommer att hålla dina drivrutiner igång, vilket skyddar dig från vanliga datorfel och maskinvarufel. Kontrollera alla dina förare nu i tre enkla steg:
- Ladda ner DriverFix (verifierad nedladdningsfil).
- Klick Starta skanning för att hitta alla problematiska drivrutiner.
- Klick Uppdatera drivrutiner för att få nya versioner och undvika systemfel.
- DriverFix har laddats ner av 0 läsare den här månaden.
Förhandsgranskning av Windows 10 Insider bygga 20150 hit Dev Channel (tidigare Fast ring) redan. Det tog ett par funktioner som senare kan komma att leva med build 21H1, även om ingen kan säga det säkert. Men om du är datavetare introducerar build något som kan intressera dig - NVIDIA CUDA på WSL 2.
NVIDIA CUDA på WSL går till allmän förhandsvisning
Microsoft meddelat att det samarbetade med NVIDIA för att leverera ett verktyg som underlättar GPU-accelererad ML-utbildning inom Windows Subsystem för Linux. Windows 10 insiders i Dev Channel och medlemmar i NVDIA Developer Program kan komma åt funktionen.
Denna förhandsgranskning innehåller stöd för befintliga ML-verktyg, bibliotek och populära ramar, inklusive PyTorch och TensorFlow. Samt allt Docker- och NVIDIA Container Toolkit-stöd som finns tillgängligt i en inbyggd Linux-miljö, vilket gör att containeriserade GPU-arbetsbelastningar byggda för att köras på Linux kan köras som de är i WSL 2.
Driftsättningen av NVDIA CUDA på WSL 2 bör väcka intresse bland Windows 10 användare inom artificiell intelligens. Det gör det möjligt för dataforskare att utnyttja GPU-accelererad deep learning (DL) på Microsoft Windows-plattformar.
NVIDIA utvecklade CUDA för att driva parallell datoranvändning på enheter som använder företagets grafikbehandlingsenheter. Tekniken gör det möjligt för utvecklare att påskynda datorintensiva applikationer, till exempel ML-utbildning, genom att dessutom utnyttja kraften hos GPU: er.
Så med CUDA på WSLkan dina datorapplikationer få ut mesta möjliga av NVIDIA-grafikkort och datorer som drivs av GPU: er.
Förutom CUDA-programmeringsstöd kan du nu arbeta med TensorFlow, MXNet, PyTorch och andra DL-ramar inom WSL 2. Open source-programvarubibliotek som RAPIDS är också tillgängliga för dig.
Med GPU-beräkningsstöd som kommer till WSL 2 bör dataforskare få ML-träningsresultat mycket snabbare framöver.
Är du en AI-entusiast eller professionell som vill utforska NVIDIA CUDA på WSL 2? Du kan dela dina tankar eller förväntningar via kommentarfältet nedan.
