AMD显卡利用torch-rocm深度学习

最近准备在linux中做pytorch的深度学习，所以实现需要配置一下GPU版本的torch库，否则用cpu死磕早晚都训练不完。配置前，必须要配置好gpu的驱动rocm，并且需要知道自己机器的python版本（终端输入python就可以知道了）、rocm版本（安装deb的时候使用的版本）。然后在官网文档查询适合你的pytorch版本：https://pytorch.org/get-started/previous-versions/

一，安装torch

方法一：在线安装

1，在上面的网址中查询版本时，会有官方建议的torch-rocm安装命令，直接在终端输入即可
（例如，我选择的版本是torch==5.2）

~$ pip install torch==1.13.1+rocm5.2 --extra-index-url https://download.pytorch.org/whl/rocm5.2

方法二：本地安装

1，在上面的网址中查询版本后，在下面的官方资源链接中下载对应的安装包
https://download.pytorch.org/whl/torch/
这里需要明确自己的系统、rocm、python、torch版本。建议根据自己的版本在网页中Ctrl+F快速定位到自己需要的安装链接
例如：我要下载的是linux x86_64、python3.8、rocm5.2、torch1.13.1版本的安装包，那么在网页中搜索了一下rocm5.2，并找到了自己需要的： torch-1.13.1+rocm5.2-cp39-cp39-linux_x86_64.whl

点击链接即可下载
2，进入安装包所在路径下，在此打开终端。或在终端cd到安装包所在路径
3，安装指令

~$ pip install xxx.whl
# 这里xxx.whl就是安装包的名字

二，验证torch

1，可以采用torch自带的函数检测gpu版本的是否可用，在python中输入：

>>> import torch
>>> torch.cuda.is_available()
True

返回True则成功

2，检查是否可为变量调用GPU

>>> import torch
>>> x=torch.tensor([1,2,3])  # 张量
>>> print(x)
tensor([1, 2, 3])
>>> x=x.cuda() # 将此张量使用GPU加载
>>> print(x)
tensor([1, 2, 3], device='cuda:0')

有*device=‘cuda:0’*说明变量可以用gpu加载了
3，torch查看显卡信息

>>> print(torch.cuda.device_count())  # 显卡数量
2
>>> print(torch.cuda.get_device_name(0))  # 显卡系列
AMD Radeon Graphics
>>> print(torch.cuda.current_device())  # 当前显卡的序号
0
>>> print(torch.cuda.get_device_capability(device=0))  # 显卡容量
(10, 3)
>>> print(torch.cuda.get_device_properties(0))  # 显卡属性
_CudaDeviceProperties(name='AMD Radeon Graphics', major=10, minor=3, total_memory=8176MB, multi_processor_count=14)

三，报错解决

在验证时发现一个bug：在命令行中输入python语句时没报错，但是在编译运行.py文件时报错"hipErrorNoBinaryForGpu: Unable to find code object for all current devices!"

方法一（临时）：需要在import torch后面加入代码

import os
os.environ["HSA_OVERRIDE_GFX_VERSION"] = "10.3.0"

方法二（一劳永逸）：修改环境

~$ sudo vim /etc/profile
# 在文档末尾加入：export HSA_OVERRIDE_GFX_VERSION=10.3.0
# 保存退出
# 下一步不需要sudo
~$ source /etc/profile

其中，vim怎么操作可以自己上网查询学习（很简单的）