作為一款被學術界和工業(yè)界廣泛使用的開源機器學習框架，PyTorch 近日發(fā)布了最新的 1.8 版本，1.8 版本的發(fā)布，使得 PyTorch 加入了對 AMD ROCm 的支持，可以方便用戶在原生環(huán)境下運行，省去了配置 Docker 的繁瑣。

現(xiàn)在，一個更令人興奮的消息是，ROCm 開放軟件平臺上為 PyTorch 用戶提供了一個新的安裝選項。一個可安裝的 Python 包現(xiàn)在托管在 pytorch.org 網(wǎng)站，以及與 PyTorch 軟件包相同的簡單、可選擇格式的本地安裝說明，用于僅 CPU 配置和其他 GPU 平臺。

ROCm 上的 PyTorch 包括使用 AMD 的 MIOpen&RCCL 庫進行混合精度和大規(guī)模訓練的全部功能。這為數(shù)據(jù)科學家、研究人員、學生和社區(qū)中的其他人提供了一個新的選擇，可以開始使用 AMD GPU 加速 PyTorch。

ROCM 生態(tài)系統(tǒng)

ROCm 是第一個針對加速式計算且不限定編程語言的超大規(guī)模開源平臺。它遵循 UNIX 的選擇哲學、極簡主義以及針對 GPU 計算的模塊化軟件開發(fā)。你可以自由地選擇打造應用程序所使用的工具和語言運行庫，甚至可以自己開發(fā)所需的工具和運行庫。

ROCm 天生就適合大規(guī)模計算，支持多 GPU 計算，更有豐富的系統(tǒng)運行庫提供各種重要功能來支持大規(guī)模應用、編譯器和語言運行庫的開發(fā)。

ROCm 是 AMD 的開源軟件平臺，用于 GPU 加速的高性能計算和機器學習。自 2016 年發(fā)布最初的 ROCm 版本以來，ROCm 平臺已經(jīng)發(fā)展到支持更多的庫和工具、更廣泛的 Linux 發(fā)行版以及一系列新的 GPU。

ROCm 生態(tài)系統(tǒng)已經(jīng)建立了對 PyTorch 的支持，該項目最初是作為 PyTorch 項目的分支實施的，現(xiàn)在可通過上游 PyTorch 代碼中的 ROCm 支持來實現(xiàn)。PyTorch 用戶可以使用 AMD 的公共 PyTorch docker 映像為 ROCm 安裝 PyTorch，當然也可以從源代碼為 ROCm 構建 PyTorch。使用 PyTorch 1.8，這些現(xiàn)有的安裝選項現(xiàn)在得到了可安裝 Python 包的可用性的補充。

ROCm 開放式平臺在不斷發(fā)展，以滿足深度學習社區(qū)的需求。通過最新發(fā)布的 ROCm 以及 AMD 優(yōu)化的 MIOpen 庫，開發(fā)人員、研究人員和科學家可以公開獲得許多支持機器學習工作負載的常用框架。這有助于讓更多人能夠在 ROCm 開放式平臺和基于 AMD 加速器的系統(tǒng)上運行深度學習工作負載。

PyTorch 構建的范圍是 ROCm 支持的 AMD GPU，Linux 上運行。ROCm 支持的 GPU 包括 AMD Instinct 系列，以及其他 GPU。當前支持 GPU 的系列可以在 ROCm Github 項目倉庫中查看。在確認目標系統(tǒng)包括受支持的 GPU 和 ROCm 的當前 4.0.1 版本之后，PyTorch 的安裝遵循其他 Python 包相同的基于 Pip 的安裝方式。

ROCm 通過不斷開發(fā)支持主要機器學習框架，如 TensorFlow 和 PyTorch，來加強和優(yōu)化工作負載加速。AMD 與開源社區(qū)廣泛合作，來促進和推廣深度學習訓練和優(yōu)化。這些不斷的努力有助于拓寬機器學習的應用領域，發(fā)揮 AMD Radeon Instinct 加速器和 ROCm 生態(tài)系統(tǒng)的作用。

查看 GPU 地址：
https://github.com/RadeonOpenCompute/ROCm#supported-gpus

pytorch.org 網(wǎng)站地址：https://pytorch.org/