Enable JavaScript to interact with content and submit forms on Wolfram websites. Learn how

TargetDevice

是某些函数的一个选项，指定应在哪个设备上尝试进行计算.

更多信息

TargetDevice 可取的设置取决于系统和可用的硬件.
通用设置包括：
"CPU" 使用 CPU

"GPU" 使用专用硬件
取决于 $SystemID，TargetDevice->"GPU" 设置可被解释为：
"CoreML" "MacOSX-ARM64"

"CUDA" "Windows-x86-64" 或 "Linux-x86-64"

"DirectML" "Windows-x86-64"，如果没有检测到 CUDA 卡
特定于系统和可用硬件的设置包括：
"CoreML" Apple CoreML 框架

"CUDA" Nvidia CUDA API

"DirectML" Microsoft Direct Machine Learning API
目前，NetTrain 支持的设置为 "CPU" 和 "CUDA".
TargetDevice{"GPU",n} 允许使用特定 GPU，其中 n 是整数，其值介于 1 到计算机上可用的 GPU 数量之间.
一般情况下，当使用不同的后端（例如 "CUDA" 和 "DirectML"）时，特定的 n 值可能无法识别相同的 GPU.
TargetDevice->{"GPU",All} 指定应联合使用所有可用的 GPU.
TargetDevice->{"GPU",{n₁,n₂,…}} 指定应联合使用 GPU 的特定子集.
在苹果硅机上，TargetDevice->"CoreML" 将尝试使用 Apple Neural Engine 执行计算. NetTrain 和 NetMeasurements 目前不支持. »
在 Windows 上，TargetDevice->"DirectML" 可以使用支持 DirectX 的集成或独立的 GPU 执行计算. NetTrain 和 NetMeasurements 目前不支持.
TargetDevice"CUDA" 需要计算能力为 3.7 或 5.0 及更高的 NVIDIA GPU. »
在 Linux 和 Windows 机器上新安装的 Wolfram 语言中，TargetDevice->"GPU" 及相关的 GPU 设置会自动下载额外的库. 如果有更新，也可以再次触发此类下载. 还可以通过运行 PacletInstall["MXNetResources"]、PacletInstall["ONNXRuntimeResources"] 和 PacletInstall["CUDAResources"] 手动开启下载.

范例

打开所有单元关闭所有单元

基本范例 (1)

使用系统默认的 GPU 培训网络：

使用系统默认的 GPU 计算结果网络：

范围 (6)

推断 (5)

在 CPU 上运行模型：

在系统默认的 GPU 上运行模型：

指定使用 CoreML（在 macOS ARM64 机器上）：

指定使用与 DirectML 兼容的卡（在 Windows x86-64 机器上）：

指定使用与 CUDA 兼容的卡（在 Windows x86-64 或 Linux x86-64 机器上）：

训练 (1)

用指定的 CUDA GPU 训练网络：

使用两个指定的 GPU 培训网络，其中，每个 GPU 在每次培训迭代中接受一批 16 个培训范例：

使用所有可用的 GPU 培训网络：

可能存在的问题 (3)

如果不支持系统 GPU，操作将会失败：

某些设置仅支持模型运算，在训练时会失效：

目前 macOS 上不支持 CUDA：

顶部