使用 PyTorch 进行机器学习 (ML) 模型和算法研究的科研人员和开发者现在可以在 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。
基于这两款高端 GPU 构建的客户端解决方案，为那些以前仅依赖基于云解决方案的用户，提供了本地、私有且经济高效的 ML 训练和推理工作流程。
在你的桌面上用 PyTorch 加速机器学习
- 运行 PyTorch 并配备 Radeon 7900 系列 GPU 的本地 PC 或工作站系统，由于具备 24GB 甚至 48GB 的大容量 GPU 显存，提供了一个强大而经济实惠的解决方案，以应对日益增长的工作流程挑战。
桌面和数据中心的统一软件栈
- 最新的用于 GPU 编程的 AMD ROCm 5.7 软件栈，释放了这些基于 RDNA™ 3 架构的 GPU 的海量并行计算能力，使其可与领先的 ML 框架之一 PyTorch 一起使用。同样的统一软件栈也支持 AMD Instinct™ MI 系列加速器的 CDNA™ GPU 架构。
自由定制
- AMD ROCm 平台主要是开源软件 (OSS)。它让开发者能够自由地根据自身需求定制和调整其 GPU 软件，同时与其他开发者社区协作，以敏捷、灵活、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其 GPU 硬件投资。AMD ROCm 平台旨在帮助在自由、开源、集成且安全的软件生态系统中开发、测试和部署 GPU 加速的高性能计算 (HPC)、人工智能 (AI)、科学计算、CAD 及其他应用。
随着行业向支持广泛的系统、框架和加速器的生态系统迈进，AMD 决心继续让 PyTorch 开发者和研究人员更容易获得 AI 能力，特别是那些受益于使用基于 RDNA™ 3 架构的桌面 GPU 进行本地客户端 ML 开发的用户。
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，开始在您的本地桌面训练 ML 模型
https://rocm.docs.amd.com/projects/radeon/en/latest/
前提条件
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 Arrow 徽标、CDNA、Radeon、ROCm 及其组合是 Advanced Micro Devices, Inc. 的商标。Linux® 是 Linus Torvalds 在美国及其他国家/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 徽标及任何相关标志是 The Linux Foundation 的商标。TensorFlow、TensorFlow 徽标及任何相关标志是 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 系列及更新的显卡。购买前请咨询您的系统制造商以确认功能可用性。GD-232。
- 基于 AMD 内部测量，2022 年 11 月，比较 Radeon RX 7900 XTX 在 2.5GHz 加速频率和 96 个 CU 下每时钟周期执行 2 倍 Bfloat16 数学运算，对比 RX 6900 XT GPU 在 2.25 GHz 加速频率和 80 个 CU 下每时钟周期执行 1 倍 Bfloat16 数学运算。RX-821
