python3.10/dist-packages/torch) in the container image. The container also includes the following: ‣ Ubuntu 22.04 including Python 3.10 ‣ NVIDIA CUDA® 12.1.1 ‣ NVIDIA cuBLAS 12.1.3.1 ‣ NVIDIA cuDNN 8.9 of Ubuntu, CUDA, PyTorch, and TensorRT are supported in each of the NVIDIA containers for PyTorch. For earlier container versions, refer to the Frameworks Support Matrix. Container Version Ubuntu CUDA 0a0+2c916ef TensorRT 8.2.3 PyTorch Release 23.07 PyTorch RN-08516-001_v23.07 | 8 Container Version Ubuntu CUDA Toolkit PyTorch TensorRT 22.02 1.11.0a0+17540c5cTensorRT 8.2.3 22.01 NVIDIA CUDA 11.6.0 1

环境搭建 Pytorch 的开发环境搭建十分的简洁，它的依赖只有 Python 语 言 SDK， 只 要 有 了 Python 语 言 包 支 持， 无 论 是 在 windows 平台、ubuntu 平台还是 Mac 平台都靠一条命令 行就可以完成安装。首先是安装 Python 语言包支持，当前 Pytorch 支持的 Python 语言版本与系统对应列表如下： 表 -1（参考 Pytorch _version_ _ '1.9.0+cu102' 其中第一行表示导入 pytorch 的包支持，第二行表示版本查询， 第三行是执行结果（GPU 版本）。 现在很多开发者喜欢使用 Ubuntu 开发系统，在 Ubuntu 系统 下如下正确安装与配置 Pytorch，第一步同样是安装 python 语言依赖包 Python3.6，主要是执行一系列的安装命令行，具 体步骤如下： 1. 导入第三方软件仓库 3. 删除默认 python 版本设置 zhigang@ubuntu:/usr/bin$ sudo rm python 4. 把安装好的 3.6 设置为默认版本 zhigang@ubuntu:/usr/bin$ sudo ln -s python3.6 /usr/bin/ python 5. 检查与验证 zhigang@ubuntu:~$ python -V Python 3�6�5

���� TensorFlow ���� From TensorFlow Dev Summit 2018 TensorFlow ������� TensorFlow ������� • Ubuntu 16.04 or later • Windows 7 or later • macOS 10.12.6 (Sierra) or later (no GPU support) • Raspbian —Current release with GPU support (Ubuntu and Windows) tf-nightly —Nightly build for CPU-only (unstable) tf-nightly-gpu —Nightly build with GPU support (unstable, Ubuntu and Windows) “Hello TensorFlow”

数据集介绍 • 使用 TensorFlow 2 训练分类网络 目录 TensorFlow 2 开发环境搭建 TensorFlow 2 支持的操作系统 • Python 3.5–3.7 • Ubuntu 16.04 or later • Windows 7 or later • macOS 10.12.6 (Sierra) or later (no GPU support) • Raspbian

2中红框标记的“Launch Instance”（启动实例）按钮，启动你的实例。 我们首先选择一个合适的Amazon机器映像（Amazon Machine Image，AMI） 。在搜索框中输入 “ubuntu”（图16.3.4中的红色框标记）。 图16.3.4: 选择一个AMI EC2提供了许多不同的实例配置可供选择。对初学者来说，这有时会让人感到困惑。表16.3.1列出了不同合适 的计算机。 400 D2L_key.pem 图16.3.10: 查看实例访问和启动方法 现在，复制 图16.3.10下方红色框中的ssh命令并粘贴到命令行： ssh -i "D2L_key.pem" ubuntu@ec2-xx-xxx-xxx-xxx.y.compute.amazonaws.com 当命令行提示“Are you sure you want to continue connecting 链接和文件名可能会发生更改，以NVIDIA的官方为准 wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600 wget http://developer

1.6 开发环境安装 在领略完深度学习框架所带来的便利后，现在来着手在本地计算机环境上安装 PyTorch 最新版。PyTorch 框架支持多种常见的操作系统，如 Windows 10、Ubuntu、Mac OS 等，支持运行在 NVIDIA 显卡上的 GPU 版本和仅使用 CPU 完成计算的 CPU 版本。这 里以最为常见的 Windows 10 系统，NVIDIA GPU 和 Python