使用 PyTorch 进行机器学习 (ML) 模型和算法研究的研究人员和开发人员现在可以在 Ubuntu® Linux® 上使用 AMD ROCm 5.7，以利用基于 AMD RDNA™ 3 GPU 架构的 Radeon™ RX 7900 XTX 和 Radeon™ PRO W7900 显卡的并行计算能力。
基于这两款高端 GPU 构建的客户端解决方案为那些以前仅依赖于云解决方案的用户实现了本地化、私有且经济高效的 ML 训练和推理工作流程。
在您的桌面电脑上使用 PyTorch 加速机器学习
- 得益于 24GB 甚至 48GB 的大 GPU 内存容量，运行 PyTorch 和 Radeon 7900 系列 GPU 的本地 PC 或工作站系统提供了一种功能强大且经济实惠的解决方案，以应对日益增长的工作流程挑战。
适用于桌面和数据中心的统一软件堆栈
- 最新的 AMD ROCm 5.7 GPU 编程软件堆栈释放了这些基于 RDNA™ 3 架构的 GPU 的大规模并行计算能力，以用于 PyTorch，PyTorch 是领先的 ML 框架之一。相同的统一软件堆栈还支持 AMD Instinct™ MI 系列加速器的 CDNA™ GPU 架构。
自由定制
- AMD ROCm 平台主要为开源软件 (OSS)。它使开发人员可以自由地定制和调整他们的 GPU 软件以满足自身需求，同时与其他开发人员社区协作，并以敏捷、灵活和快速的方式互相帮助寻找解决方案。AMD ROCm 平台的目标是让用户最大化他们的 GPU 硬件投资。AMD ROCm 平台旨在帮助在自由、开源、集成和安全的软件生态系统中开发、测试和部署 GPU 加速的 HPC、AI、科学计算、CAD 和其他应用程序。
随着行业朝着支持广泛的系统、框架和加速器的生态系统发展，AMD 决心继续让 AI 更容易被 PyTorch 开发人员和研究人员所使用，他们可以从使用基于 RDNA™ 3 架构的桌面 GPU 进行 ML 开发的本地客户端设置中获益。
了解更多
https://www.amd.com/en/developer/resources/ml-radeon.html
下载软件
https://www.amd.com/en/support/linux-drivers
访问 文档门户 ，开始在本地桌面电脑上训练 ML 模型
https://rocm.docs.amd.com/projects/radeon/en/latest/
先决条件
https://rocm.docs.amd.com/projects/radeon/en/latest/docs/prerequisites.html
操作指南
https://rocm.docs.amd.com/projects/radeon/en/latest/docs/install/howto.html
© 2023 Advanced Micro Devices, Inc. 保留所有权利。AMD、AMD 箭头标识、CDNA、Radeon、ROCm 及其组合是 Advanced Micro Devices, Inc. 的商标。Linux® 是 Linus Torvalds 在美国和其他国家/地区的注册商标。Microsoft 和 Windows 是 Microsoft Corporation 在美国和/或其他国家/地区的注册商标。PyTorch、PyTorch 标识和任何相关标记是 Linux 基金会的商标。TensorFlow、TensorFlow 标识和任何相关标记是 Google Inc. 的商标。Ubuntu 和 Ubuntu 标识是 Canonical Ltd. 的注册商标。本出版物中使用的其他产品名称仅用于标识目的，可能是其各自所有者的商标。
Radeon™ AI 技术与所有 AMD Radeon 7000 系列及更新的显卡兼容。请在购买前咨询您的系统制造商以了解功能可用性。GD-232。
- 基于 AMD 2022 年 11 月的内部测量，比较 Radeon RX 7900 XTX 在 2.5GHz 升压时钟和 96 个 CU 下，每个时钟周期执行 2 倍的 Bfloat16 数学运算，与 RX 6900 XT GPU 在 2.25 GHz 升压时钟和 80 个 CU 下，每个时钟周期执行 1 倍的 Bfloat16 数学运算。RX-821
