现在，使用 PyTorch 处理机器学习 (ML) 模型和算法的研究人员和开发人员可以在 Ubuntu® Linux® 上使用 AMD ROCm 5.7，从而利用基于 AMD RDNA™ 3 GPU 架构的 Radeon™ RX 7900 XTX 和 Radeon™ PRO W7900 显卡的并行计算能力。
对于之前仅依赖基于云解决方案的用户，基于这两款高端 GPU 构建的客户端解决方案可为 ML 训练和推理提供本地、私有且经济高效的工作流。
在您的台式机上使用 PyTorch 加速机器学习
- 得益于 24GB 甚至 48GB 的大容量 GPU 内存，运行 PyTorch 并配备 Radeon 7900 系列 GPU 的本地 PC 或工作站系统提供了一个强大且经济实惠的解决方案，可以应对日益增长的工作流挑战。
台式机和数据中心的统一软件堆栈
- 适用于 GPU 编程的最新 AMD ROCm 5.7 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，可与领先的 ML 框架之一 PyTorch 配合使用。同样的统一软件堆栈也支持 AMD Instinct™ MI 系列加速器的 CDNA™ GPU 架构。
定制自由
- AMD ROCm 平台主要是一个开源软件 (OSS)。它允许开发人员自由地根据自身需求定制和调整其 GPU 软件，同时与社区中的其他开发人员协作，并以敏捷、灵活和快速的方式相互帮助寻找解决方案。AMD ROCm 平台的目标是让用户最大限度地利用其 GPU 硬件投资。AMD ROCm 平台旨在帮助在免费、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。
随着行业向支持广泛系统、框架和加速器生态系统发展，AMD 决心继续为 PyTorch 开发人员和研究人员提供更易于访问的 AI，使他们能够从基于本地客户端的 ML 开发设置中受益，该设置使用基于 RDNA™ 3 架构的桌面 GPU。
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
访问文档门户以开始在本地桌面训练 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 箭头徽标、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 徽标和任何相关标志是 The Linux Foundation 的商标。TensorFlow、TensorFlow 徽标和任何相关标志是 Google Inc. 的商标。Ubuntu 和 Ubuntu 徽标是 Canonical Ltd. 的注册商标。本出版物中使用的其他产品名称仅用于识别目的，可能是其各自所有者的商标。
Radeon™ AI 技术兼容所有 AMD Radeon 7000 系列显卡及更新型号。购买前请咨询您的系统制造商以了解功能可用性。GD-232。
- 基于 AMD 内部测量，2022 年 11 月，比较 Radeon RX 7900 XTX 在 2.5GHz 升频时钟下，96 个 CU 每时钟执行 2 倍 Bfloat16 数学运算，而 RX 6900 XT GPU 在 2.25 GHz 升频时钟下，80 个 CU 每时钟执行 1 倍 Bfloat16 数学运算。RX-821