此文件涵蓋了為 適用於 Linux 的 Windows 子系統 （WSL）和原生 Windows 建立 GPU 加速機器學習（ML）訓練情境。
此功能同時支援專業和初學者案例。 以下是一些指向逐步指南的指引，您可以根據您在機器學習（ML）方面的專業程度、GPU 廠商，以及您打算使用的軟體程式庫來設定您的系統。
WSL 中的 NVIDIA CUDA
如果您是使用原生 Linux 環境進行內部迴圈 ML 開發和實驗的專業數據科學家，而且您有 NVIDIA GPU，建議您在 WSL 中設定 NVIDIA CUDA。
使用 DirectML 的 PyTorch
若要搭配可跨 DirectX 12 功能 GPU 廣度運作的架構使用 PyTorch，建議 使用 DirectML 套件設定 PyTorch 。 此套件可加速 AMD、Intel 和 NVIDIA GPU 上的工作流程。
如果您更熟悉原生 Linux 環境，建議您 在 WSL 內搭配 DirectML 執行 PyTorch。
如果您更熟悉 Windows，建議您在 原生 Windows 上使用 DirectML 執行 PyTorch。
TensorFlow 搭配 DirectML
這很重要
此專案現已停止，並未積極開發。
若要使用 TensorFlow 搭配可跨 DirectX 12 支援 GPU 廣度運作的架構，建議您使用 DirectML 套件設定 TensorFlow。 此套件可加速 AMD、Intel 和 NVIDIA GPU 上的工作流程。