CUDA 在 Windows 子系统 Linux（WSL）上的支持
微软 Windows 是企业、商用和个人计算系统中无处不在的平台。然而，业界主流的 AI 工具、模型、框架和库都主要基于 Linux 操作系统。现在，不论是经验丰富的专业人士，还是刚入门的学生和初学者，所有 AI 用户都能够在 Windows 上获益于创新的 GPU 加速基础设施、软件及容器支持。
优势
NVIDIA CUDA on WSL驱动将 NVIDIA CUDA 与广泛应用的 Microsoft Windows 平台相结合，为众多行业领域和应用场景带来了机器学习能力。
开发者现在可以在 Microsoft Windows 的 WSL 环境中，通过现有的 NVIDIA 驱动，充分利用 NVIDIA 的软件体系。
NVIDIA 提供的 Windows GeForce 或 Quadro 正式版（x86）驱动已集成对 WSL 的 CUDA 和 DirectML 支持，可通过下方链接进行下载。
我们将不再在开发者专区（developer zone）提供任何 WSL2 的预览驱动下载。参加 Windows Insider 计划的开发者仍可通过 Windows 更新（Windows Update）获得包含最新修复与改进的前沿驱动。
请持续关注本页面以获取关于 CUDA 在 WSL2 上支持的更多最新信息。
激发开发者活力
GPU 支持是全球 WSL 用户——包括数据科学家、机器学习工程师，甚至初学开发者——最为迫切的需求。
畅享先进 AI
最前沿、最具创新性的 AI 框架和库已全面集成 NVIDIA CUDA 支持，包括业界领先的 PyTorch 与 TensorFlow 等框架。
降低门槛与壁垒
在多个操作系统平台上重复投入计算资源和环境配置往往成本高昂。AI 用户、开发者和数据科学家需要能够在高效的 Windows 平台上快捷运行 Linux 软件，以减少阻碍、加速创新。
为什么在 Windows 上使用 NVIDIA GPU 进行 AI 开发？
欢迎加入 NVIDIA 开发者计划体验我们的开发工具、培训课程、平台与丰富的集成支持。
快速开始 GPU 开发
CUDA 工具包提供了开发者开始构建 GPU 加速应用程序所需的一切，包括编译器工具链、优化库和一套开发者工具。在 WSL 和 CUDA 容器中使用 CUDA 快速入门。未来版本中的 CUDA 工具包预览版将添加特性和功能。
CUDA 工具包 ›深度学习简化
NVIDIA 支持多种主流深度学习框架和 SDK，如 TensorFlow、PyTorch、MXNet 等。
在 WSL 下，您还可以结合 Docker 和 NVIDIA Container Toolkit 运行官方预建的深度学习框架容器。 相关框架、预训练模型和工作流均可从 NGC 平台获取，无需繁琐配置，即装即用。
深度学习框架 ›NVIDIA NGC 容器 ›
加速分析与数据科学
RAPIDS 是一套开放源代码的 NVIDIA 软件库，能在 GPU 上加速数据科学与分析流水线。
显著缩短模型训练时间并提高精度。在本地 Windows PC 上，您可以便捷地利用这些高性能预置库快速完成数据实验和开发。
RAPIDS ›
微软与 NVIDIA 围绕 WSL 的合作，让广大专家和新手用户无需离开熟悉的 MS Windows 环境，也能学习、尝试并采用顶级的 GPU 加速 AI 平台。
Kam VedBrat，微软公司 Windows AI 平台合伙人组项目经理
资源
注册成为 NVIDIA 开发者计划成员后，您即可为自己的 NVIDIA GPU 平台下载支持 WSL 上 CUDA 和 DirectML 的驱动程序。
微软和 NVIDIA 联合开发了 WSL 的 GPU 支持，以帮助加速机器学习应用。欲了解详情，请点击此处。