适用于 Azure Data Science Virtual Machine 的深度学习和人工智能框架
下面列出了 DSVM 上的深度学习框架：
CUDA、cuDNN、NVIDIA 驱动程序
| 类别 | 值 |
|---|---|
| 支持的版本 | 11 |
| 支持的 DSVM 版本 | Windows Server 2019 Linux |
| 如何在 DSVM 上配置和安装它？ | nvidia-smi 在系统路径上可用。 |
| 运行方式 | 打开命令提示符（在 Windows 上）或终端（在 Linux 上），然后运行 nvidia-smi。 |
Horovod
| 类别 | 值 |
|---|---|
| 支持的版本 | 0.21.3 |
| 支持的 DSVM 版本 | Linux |
| 如何在 DSVM 上配置和安装它？ | Horovod 安装在 Python 3.5 中 |
| 运行方式 | 在终端上激活正确的环境，然后运行 Python。 |
NVidia System Management Interface (nvidia-smi)
| 类别 | 值 |
|---|---|
| 支持的版本 | |
| 支持的 DSVM 版本 | Windows Server 2019 Linux |
| 用途 | 作为查询 GPU 活动的 NVIDIA 工具 |
| 如何在 DSVM 上配置和安装它？ | nvidia-smi 位于系统路径上。 |
| 运行方式 | 在具有 GPU 的虚拟机上，打开命令提示符（在 Windows 上）或终端（在 Linux 上），然后运行 nvidia-smi。 |
PyTorch
| 类别 | 值 |
|---|---|
| 支持的版本 | 1.9.0（Linux、Windows 2019） |
| 支持的 DSVM 版本 | Windows Server 2019 Linux |
| 如何在 DSVM 上配置和安装它？ | 在 conda 环境 'py38_default', 'py38_pytorch' 下的 Python 中安装 |
| 运行方式 | 在终端激活相应的环境，然后运行 Python。 * JupyterHub：进行连接，然后打开 PyTorch 目录获取示例。 |
TensorFlow
| 类别 | 值 |
|---|---|
| 支持的版本 | 2.5 |
| 支持的 DSVM 版本 | Windows Server 2019 Linux |
| 如何在 DSVM 上配置和安装它？ | 在 conda 环境 'py38_default', 'py38_tensorflow' 下的 Python 中安装 |
| 运行方式 | 在终端激活正确的环境，然后运行 Python。 * Jupyter：连接到 Jupyter 或 JupyterHub，然后打开 TensorFlow 目录获取示例。 |