【笔记】NVIDIA AI Workbench 安装记录
前言
NVIDIA AI Workbench 简介
NVIDIA AI Workbench 是一款由 NVIDIA 推出的集成化开发工具，旨在简化人工智能和机器学习的开发流程。它提供从数据准备到模型训练、优化及部署的全套工具链，支持跨平台协作，适合开发者、数据科学家和企业团队快速构建 AI 解决方案。
核心功能与作用
跨平台开发环境
支持本地工作站、云端（如 AWS、Google Cloud）及 NVIDIA DGX 系统的无缝切换，统一开发环境配置，避免因环境差异导致的问题。
简化工作流
集成 Jupyter Notebook、容器化工具（如 Docker）和版本控制（Git），允许用户直接加载预配置的模板（如 PyTorch、TensorFlow），加速模型开发与实验。
高性能计算支持
利用 NVIDIA GPU 的 CUDA 加速库和优化框架（如 RAPIDS），显著提升数据处理和模型训练效率，特别适合大规模深度学习任务。
协作与部署
提供团队协作功能，支持模型打包为容器或导出至 NVIDIA Triton 推理服务器，简化从开发到生产环境的迁移过程。
典型应用场景
- 计算机视觉：快速训练图像分类、目标检测模型。
- 自然语言处理：构建和微调大语言模型（LLM）。
- 数据分析：利用 GPU 加速库处理海量数据。
该工具尤其适合需要快速迭代或资源灵活调配的 AI 项目，降低技术栈复杂度。
一、用户指南
在 Windows 上安装、更新和卸载 — NVIDIA AI Workbench 用户指南
二、安装程序下载
https://workbench.download.nvidia.com/stable/workbench-desktop/latest/NVIDIA-AI-Workbench-Setup.exe
三、安装过程记录
启动安装程序
根据引导继续
这是在下载和安装 WSL（Windows Subsystem for Linux，适用于 Linux 的 Windows 子系统 ）分发版，具体是为 AI Workbench 配置的 WSL2 环境，进度已到 79.06% 。因文件较大，需一些时间完成，耐心等待即可，完成后可借助 WSL 在 Windows 系统里使用 Linux 相关功能开展 AI 开发等工作 。
- 已完成项：“Core package（核心软件包 ）” 和 “Git - LFS（用于处理大文件的 Git 扩展 ）” 都已 100% 安装好，说明基础依赖部分就绪。
- 进行中项：正开始安装 Docker（进度 0% ），还会配置 Docker Desktop，Docker 常用于容器化部署，对 AI 工作流里环境管理、应用部署很重要，耐心等它装完，整个 AI Workbench 安装配置就更完善啦，后续就能用它开展 AI 开发相关工作咯。
- 标题 “You're all set!” 表示安装已全部就绪。
- 下方列出所选安装项状态：核心包（Core）、Git - LFS（大文件存储扩展 ）、Docker（容器化工具 ）都已成功安装（install complete ）。
- 还提示可在 “Preferences（偏好设置 ）” 里随时更改这些配置，点击绿色按钮 “Let's Get Started” 就能开启使用 AI Workbench 进行 AI 开发等工作啦，基本已完成安装，能正式上手体验咯 。
安装完成后得到一个WSL的子系统和组件：
输入nvidia-smi命令可以查看与GPU的通信状况：
nvidia-smi
四、安装过程中会遇到的问题
因为涉及WSL，安装过程中会导致Docker报错，是正常现象，重新启动就行
WSL调试控制台也会弹出显示日志，也是正常现象，有些报错能处理则处理，不处理也不影响系统运行
