不再只有Nvidia | AMD ROCm也可以玩转PyTorch工具

最新推荐文章于 2024-08-12 08:30:50 发布

计算机视觉研究院

最新推荐文章于 2024-08-12 08:30:50 发布

阅读量2.3k

点赞数 1

文章标签：人工智能 java 编程语言 python 大数据

欢迎关注“

计算机视觉研究院

”

计算机视觉研究院专栏

作者：Edison_G

前段时间，机器学习开源框架PyTorch提供了对AMD ROCm的支持，现在可作为Python软件包提供。作为一款被学术界和工业界广泛使用的开源机器学习框架，PyTorch近日发布了最新的1.8版本，1.8版本的发布，使得PyTorch加入了对AMD ROCm的支持，可以方便用户在原生环境下运行，省去了配置Docker的繁琐。

长按扫描二维码关注我们

现在，一个更令人兴奋的消息是，ROCm开放软件平台上为PyTorch用户提供了一个新的安装选项。一个可安装的Python包现在托管在pytorch.org 网站，以及与PyTorch软件包相同的简单、可选择格式的本地安装说明，用于仅CPU配置和其他GPU平台。

ROCm上的PyTorch包括使用AMD的MIOpen&RCCL库进行混合精度和大规模训练的全部功能。这为数据科学家、研究人员、学生和社区中的其他人提供了一个新的选择，可以开始使用AMD GPU加速PyTorch。

ROCM 生态系统

ROCm是第一个针对加速式计算且不限定编程语言的超大规模开源平台。它遵循UNIX的选择哲学、极简主义以及针对GPU计算的模块化软件开发。你可以自由地选择打造应用程序所使用的工具和语言运行库，甚至可以自己开发所需的工具和运行库。

ROCm天生就适合大规模计算，支持多GPU计算，更有丰富的系统运行库提供各种重要功能来支持大规模应用、编译器和语言运行库的开发。

ROCm是AMD的开源软件平台，用于GPU加速的高性能计算和机器学习。自2016年发布最初的ROCm版本以来，ROCm平台已经发展到支持更多的库和工具、更广泛的Linux发行版以及一系列新的GPU。

ROCm生态系统已经建立了对PyTorch 的支持，该项目最初是作为PyTorch项目的分支实施的，现在可通过上游PyTorch代码中的ROCm支持来实现。PyTorch用户可以使用AMD的公共 PyTorch docker 映像为ROCm安装PyTorch，当然也可以从源代码为ROCm构建 PyTorch。使用PyTorch 1.8，这些现有的安装选项现在得到了可安装Python包的可用性的补充。

ROCm开放式平台在不断发展，以满足深度学习社区的需求。通过最新发布的 ROCm以及AMD优化的MIOpen库，开发人员、研究人员和科学家可以公开获得许多支持机器学习工作负载的常用框架。这有助于让更多人能够在ROCm开放式平台和基于AMD加速器的系统上运行深度学习工作负载。

PyTorch构建的范围是ROCm支持的AMD GPU，Linux上运行。ROCm支持的GPU包括AMD Instinct系列，以及其他GPU。当前支持GPU的系列可以在ROCm Github项目仓库中查看。在确认目标系统包括受支持的GPU和ROCm的当前4.0.1版本之后，PyTorch的安装遵循其他Python包相同的基于Pip的安装方式。

ROCm通过不断开发支持主要机器学习框架，如TensorFlow和PyTorch，来加强和优化工作负载加速。AMD与开源社区广泛合作，来促进和推广深度学习训练和优化。这些不断的努力有助于拓宽机器学习的应用领域，发挥AMD Radeon Instinct加速器和ROCm生态系统的作用。

查看 GPU 地址：https://github.com/RadeonOpenCompute/ROCm#supported-gpus
pytorch.org 网站地址：https://pytorch.org/

参考链接：

https://www.amd.com/zh-hans/graphics/servers-solutions-rocm-ml

https://pytorch.org/blog/pytorch-for-amd-rocm-platform-now-available-as-python-package/

我们开创“计算机视觉协会”知识星球一年有余，也得到很多同学的认可，我们定时会推送实践型内容与大家分享，在星球里的同学可以随时提问，随时提需求，我们都会及时给予回复及给出对应的答复。

如果想加入我们“计算机视觉研究院”，请扫二维码加入我们。我们会按照你的需求将你拉入对应的学习群！

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！