นักวิทยาศาสตร์ด้านข้อมูลสามารถใช้ NVIDIA CUDA บน WSL. ได้แล้ว

Windows 10 Insider Preview สร้าง 20150 กด Dev Channel (เดิมคือ Fast ring) แล้ว มันนำคุณสมบัติสองสามอย่างที่อาจใช้งานได้จริงกับ build 21H1 แม้ว่าจะไม่มีใครสามารถบอกได้อย่างแน่นอน แต่ถ้าคุณเป็นนักวิทยาศาสตร์ข้อมูล บิวด์จะแนะนำสิ่งที่คุณอาจสนใจ—NVIDIA CUDA บน WSL 2

NVIDIA CUDA บน WSL ไปที่การแสดงตัวอย่างสาธารณะ

Microsoft ประกาศ ที่ร่วมมือกับ NVIDIA เพื่อส่งมอบเครื่องมือที่อำนวยความสะดวกในการฝึกอบรม GPU เร่ง ML ภายในระบบย่อย Windows สำหรับ Linux ข้อมูลภายใน Windows 10 10 ใน Dev Channel และสมาชิกของ NVDIA Developer Program สามารถเข้าถึงคุณลักษณะนี้ได้

การแสดงตัวอย่างนี้รวมถึงการรองรับเครื่องมือ ML ไลบรารี และเฟรมเวิร์กยอดนิยมที่มีอยู่ รวมถึง PyTorch และ TensorFlow เช่นเดียวกับการสนับสนุน Docker และ NVIDIA Container Toolkit ทั้งหมดที่มีให้ใช้งานในสภาพแวดล้อม Linux ดั้งเดิม ทำให้ปริมาณงาน GPU ที่มีคอนเทนเนอร์ที่สร้างขึ้นเพื่อทำงานบน Linux ทำงานตามที่เป็นอยู่ใน WSL 2

การปรับใช้ NVDIA CUDA บน WSL 2 ควรจุดประกายความสนใจในหมู่ Windows 10 ผู้ใช้ในด้านปัญญาประดิษฐ์ ช่วยให้นักวิทยาศาสตร์ข้อมูลใช้ประโยชน์จากการเรียนรู้เชิงลึกที่เร่งด้วย GPU (DL) บนแพลตฟอร์ม Microsoft Windows

NVIDIA ได้พัฒนา CUDA เพื่อขับเคลื่อนการประมวลผลแบบขนานบนอุปกรณ์ที่ใช้หน่วยประมวลผลกราฟิกของบริษัท เทคโนโลยีนี้ช่วยให้นักพัฒนาสามารถเร่งความเร็วแอปพลิเคชันที่เน้นการประมวลผล เช่น การฝึกอบรม ML โดยใช้ประโยชน์จากพลังของ GPU อีกด้วย

ดังนั้นด้วย CUDA บน WSLแอปพลิเคชันประมวลผลของคุณสามารถใช้ประโยชน์สูงสุดจากการ์ดกราฟิก NVIDIA และพีซีที่ขับเคลื่อนโดย GPU

นอกจากการรองรับการเขียนโปรแกรม CUDA แล้ว คุณสามารถทำงานกับ TensorFlow, MXNet, PyTorch และเฟรมเวิร์ก DL อื่นๆ ภายใน WSL 2 ได้ ไลบรารีซอฟต์แวร์โอเพ่นซอร์ส เช่น RAPIDS ก็พร้อมให้คุณใช้งานเช่นกัน

ด้วยการรองรับการประมวลผล GPU ใน WSL 2 นักวิทยาศาสตร์ด้านข้อมูลควรได้รับผลการฝึกอบรม ML เร็วขึ้นมากในอนาคต

คุณเป็นคนที่คลั่งไคล้ AI หรือมืออาชีพที่อยากสำรวจ NVIDIA CUDA บน WSL 2 หรือไม่? คุณสามารถแบ่งปันความคิดหรือความคาดหวังของคุณผ่านทางส่วนความคิดเห็นด้านล่าง