你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
Azure Stack Edge Pro GPU 设备的 GPU 虚拟机
适用范围：
Azure Stack Edge Pro - GPUAzure Stack Edge Pro 2Azure Stack Edge Pro R
Azure Stack Edge Pro GPU 设备上的 GPU 加速工作负载需要 GPU VM（虚拟机）。 本文概述了 GPU VM，包括受支持的 OS、GPU 驱动程序和 VM 大小。 还讨论了用于 Kubernetes 群集的 GPU VM 的部署选项。
关于 GPU VM
Azure Stack Edge 设备配备了 1 个或 2 个 Nvidia 的 Tesla T4 或 Tensor Core A2 GPU。 要在这些设备上部署 GPU 加速的 VM 工作负载，请使用 GPU 优化的 VM 大小。 所选的 GPU VM 应与 Azure Stack Edge 设备上的 GPU 品牌相匹配。 有关详细信息，请参阅受支持的 N 系列 GPU 优化 VM。
要利用 Azure N 系列 VM 的 GPU 功能，必须安装 Nvidia GPU 驱动程序。 Nvidia GPU 驱动程序扩展可以安装适当的 Nvidia CUDA 或 GRID 驱动程序。 可以使用模板或通过 Azure 门户安装 GPU 扩展。
可以在部署 VM 后使用 Azure 资源管理器模板来安装和管理扩展。 在 Azure 门户中，你可以在部署 VM 时或之后安装 GPU 扩展；有关说明，请参阅在 Azure Stack Edge 设备上部署 GPU VM。
如果你的设备配置了 Kubernetes 群集，请确保在部署 GPU VM 之前查看 Kubernetes 群集的部署注意事项。
支持的 OS 和 GPU 驱动程序
适用于 Windows 和 Linux 的 Nvidia GPU 驱动程序扩展支持以下 OS 版本。
适用于 Windows 的 GPU 扩展支持的 OS
此扩展支持以下操作系统 (OS)。 其他版本可能也有效，但尚未在 Azure Stack Edge 设备上运行的 GPU VM 上对这些版本进行内部测试。
| 分发 | 版本 |
|---|---|
| Windows Server 2019 | 核心 |
| Windows Server 2016 | 核心 |
适用于 Linux 的 GPU 扩展支持的 OS
此扩展支持以下 OS 发行版，具体取决于特定 OS 版本对驱动程序的支持。 其他版本可能也有效，但尚未在 Azure Stack Edge 设备上运行的 GPU VM 上对这些版本进行内部测试。
| 分发 | 版本 |
|---|---|
| Red Hat Enterprise Linux | 7.4 |
注意
Ubuntu 18.04 LTS GPU 扩展已弃用。 在 Azure Stack Edge 设备上运行的 Ubuntu 18.04 GPU VM 上不再支持 GPU 扩展。 如果计划使用 Ubuntu 版本 18.04 LTS 发行版，请参阅 CUDA Toolkit 12.1 Update 1 下载的手动 GPU 驱动程序安装步骤。 安装之前，可能需要下载 CUDA 签名密钥。 有关安装签名密钥的示例，请参阅排查 Azure Stack Edge Pro GPU 上的 GPU VM 的 GPU 扩展问题。
GPU VM 部署
可以通过 Azure 门户或使用 Azure 资源管理器模板部署 GPU VM。 在创建 VM 后安装 GPU 扩展。
门户：在 Azure 门户中，可以在创建 VM 时快速安装 GPU 扩展，或在部署 VM 后执行此操作。
GPU VM 和 Kubernetes
在设备上部署 GPU VM 之前，如果设备上已配置 Kubernetes，请了解以下注意事项。
对于使用 1 个 GPU 的设备：
在设备上创建 GPU VM，然后配置 Kubernetes：在这种情况下，创建 GPU VM 和配置 Kubernetes 均能成功。 在这种情况下，Kubernetes 将无法访问 GPU。
在设备上配置 Kubernetes，然后创建 GPU VM：在这种情况下，Kubernetes 将回收设备上的 GPU，且创建 VM 将失败，因为没有可用的 GPU 资源。
对于使用 2 个 GPU 的设备
在设备上创建 GPU VM，然后配置 Kubernetes：在这种情况下，你创建的 GPU VM 将回收设备上的一个 GPU，且配置 Kubernetes 将成功，并回收剩余的一个 GPU。
在设备上创建两个 GPU VM，然后配置 Kubernetes：在这种情况下，两个 GPU VM 将回收设备上的两个 GPU，并且 Kubernetes 配置成功，没有 GPU。
在设备上配置 Kubernetes，然后创建 GPU VM：在这种情况下，Kubernetes 将回收设备上的两个 GPU，且创建 VM 将失败，因为没有可用的 GPU 资源。