AMD ROCm GPU，支持 TensorFlow！

最新推荐文章于 2025-06-06 08:11:41 发布
最新推荐文章于 2025-06-06 08:11:41 发布
阅读量1.2w 收藏 4
点赞数
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/TensorFlowers/article/details/82686491
AMD宣布发布适用于ROCm GPU的TensorFlow v1.8,包括Radeon Instinct MI25的支持。该版本使用MIOpen优化GPU例程库，并提供了预构建的whl软件包及Docker映像简化安装流程。此外，AMD正努力将ROCm的增强功能合并到TensorFlow主存储区。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文 / AMD 深度学习软件总监 Mayank Daga

来源 | TensorFlow 公众号

我们很高兴地宣布推出适用于 ROCm GPU 的 TensorFlow v1.8，其中包括 Radeon Instinct MI25。对于 AMD 正在进行的深度学习加速工作而言，这是一座重大的里程碑。ROCm 即 Radeon 开放生态系统 (Radeon Open Ecosystem)，是我们在 Linux 上进行 GPU 计算的开源软件基础。我们的 TensorFlow 实现使用了 MIOpen，这是一个适用于深度学习的高度优化 GPU 例程库。

这里写图片描述

AMD 提供了一个预构建的 whl 软件包，安装过程很简单，类似于安装 Linux 通用 TensorFlow。我们已发布安装说明及预构建的 Docker 映像。

除了支持 TensorFlow v1.8 以外，我们还在努力向 TensorFlow 主存储区加入所有针对 ROCm 的增强功能。其中一些补丁程序已经在上游合并，另外几个正在积极审查中。在努力全面加入增强功能的同时，我们还将发布和维护日后支持 ROCm 的 TensorFlow 版本，例如 v1.10。

我们相信深度学习优化、可移植性和可伸缩性的未来根植于特定领域的编译器。我们受到 XLA 早期结果的启发，也在致力于为 AMD GPU 启用和优化 XLA。

如需进一步了解 AMD 在此领域的工作，请访问 www.amd.com/deeplearning

TensorFlowers
关注
在Windows平台上使用AMD显卡加速PyTorch训练
AvGroovy的博客
10-10 8398
接下来，我们设置了必要的环境变量。最后，我们编写了一个简单的PyTorch代码示例，并在其中使用了AMD显卡进行加速。ROCm是一个开源的GPU计算平台，支持AMD显卡在深度学习任务中的加速。但是，按照本文提供的指导，你应该能够在Windows平台上成功地使用AMD显卡加速PyTorch训练。首先，确保你的计算机上已经安装了最新的AMD显卡驱动程序。在使用AMD显卡加速PyTorch之前，我们需要安装PyTorch和相关的AMD显卡支持库。现在，我们可以编写PyTorch代码，并利用AMD显卡进行加速了。
python调用gpu amd_TensorFlow通过AMD GPU加速（ROCm/elementary OS 5.0）
weixin_36205186的博客
02-04 1681
elementary OS 5.0是基于Ubuntu 18.04制作，所以本流程也适用于Ubuntu 18.04。ROCm升级1.91之后不需要安装AMD的GPU驱动程序，如果安装可能会出现问题。安装elementary OS 5 之后的一些配置安装软件更新管理器sudo apt updatesudo apt install software-properties-common software-...
win11+AMD的cpu+3060GPU电脑安装 tensorflow-GPU+cuda11+cudnn
尘埃飞舞
03-19 5461
前言 我新买的电脑是AMD的cpu+NVIDIA的3050GPU想试一试这个电脑跑深度学习，就安装一下tensorflow记录一下 安装Anconda 这个往上下载默认安装即可，不做描述 使用命令行新建一个tensorflow的环境 conda create --name tf python=3.7 安装时候有一个需要确认输入 y即可 创建完成切换到创建的环境中 conda activate tf 然后使用豆瓣源pip下载tensorflow2.7相关的依赖包，tensorflow1.15版本以上就不需
TensorFlow安装全攻略：快速搭建AI开发环境
最新发布
学海无涯苦作舟的博客
06-06 1073
TensorFlow是由Google Brain开发的开源机器学习框架，广泛应用于深度学习模型的构建、训练和部署。本指南详细介绍了TensorFlow的安装与配置流程，包括系统要求检查、虚拟环境创建、CPU/GPU版本安装步骤、以及验证方法。对于GPU版本，特别说明了CUDA和cuDNN的配套安装方法。还提供了常见问题解决方案，如动态链接库缺失、AVX指令集不兼容等，并给出性能优化建议，如启用XLA编译器和混合精度训练。通过本指南，用户可以快速搭建高效的TensorFlow开发环境。
AMD GPU（A卡）+Tensorflow+Anaconda+ubuntu18.04.2 安装方法
weixin_42771180的博客
06-11 9420
AMD GPU（A卡）+Tensorflow+Anaconda+ubuntu18.04.2 安装方法AMD GPU（A卡）+Tensorflow+Anaconda+ubuntu18.04.2 安装方法安装Anaconda安装ROCm安装TensorFlow参考 AMD GPU（A卡）+Tensorflow+Anaconda+ubuntu18.04.2 安装方法 Linux下可以可以通过AMD的RO...
利用 TensorFlow Profiler：在 AMD GPU 上优化 TensorFlow 模型
数字人生
11-20 1237
TensorFlow Profiler 是一组旨在衡量 TensorFlow 模型执行期间资源利用率和性能的工具。它提供了关于模型如何与硬件资源交互的深入见解，包括执行时间和内存使用情况。TensorFlow Profiler 有助于定位性能瓶颈，使我们能够微调模型的执行，以提高效率并加快结果，这在需要接近实时预测的场景中尤为重要。机器学习算法，特别是深度神经网络，具有很高的计算需求。评估机器学习应用程序的性能，以确保执行的是经过最优化的模型版本，这一点至关重要。
win10安装Tensorflow-cpu（AMD显卡） && keras
MasterMiao的博客
06-25 5412
安装环境：WIN10 AMD集显???????? Anaconda版本：Anaconda3-4.4.0 （64位）（建议不要装最新的，历史版本可在 清华大学开源软件镜像站 下载 Python版本：Python 3.5（在安装Anaconda3时勾选了3.6） 图一 Tensorflow版本：tensorflow 1.8 一. 安装Anaconda 根据上面清华大学开源软件镜像站下载对应的安装包，并安装，（看挺多博文建议安装在C盘，所以我的也是安装在了C盘） 检查是否安装成功：conda --ver
rocm平台_TensorFlow通过AMD GPU加速（ROCm/Ubuntu 18.04）
weixin_29442195的博客
01-17 2208
ROCm 1.91之后不需要安装AMD GPU驱动程序。请参考新的安装流程：通过AMD开发ROCm平台，TensorFlow可以使用AMD GPU实现GPU加速。现将搭建流程呈上。硬件：CPU：AMD Ryzen 1700xGPU：AMD Radeon RX580内存：32G硬盘：SSD 256GB + HDD 2TB安装Ubuntu 18.04网上很多Ubuntu安装教程，这里不在赘述。我选的是...
python调用gpu amd_TensorFlow使用AMD GPU实现加速（ROCm/Ubuntu 18.04）
weixin_39783633的博客
12-09 1780
本文通过AMD开发ROCm平台，Ubuntu 18.04系统中，TensorFlow也能使用AMD GPU实现GPU加速。现在把具体搭建流程呈上。电脑硬件信息CPU：AMD Ryzen 1700xGPU：AMD Radeon RX580内存：32G硬盘：SSD 256GB + HDD 2TB系统安装的是Ubuntu 18.04本文针对的是Ubuntu 18.04，我选的是最小安装方式，当然也可以安...
在 AMD GPU 上创建 PyTorch/TensorFlow 代码环境
数字人生
10-02 1746
机器学习生态系统正在迅速扩展，我们旨在通过这一系列的机器学习博客，简化移植到 AMD GPU 的过程。: 数据科学家和机器学习从业者，以及在 AMD GPU 上使用 PyTorch/TensorFlow 的软件工程师。无论你是机器学习新手，还是有使用 Nvidia GPU 经验的专家，这篇博客都会对你有帮助。: 当启动一个新的机器学习项目时，你可能会发现 GitHub 上的许多现有代码几乎总是基于 CUDA。如果你有 AMD GPU 并按照他们的说明运行代码，通常是行不通的。
Windows安装GPU版TensorFlow
07-05
在Windows下，安装GPU版的TensorFlow。 所以，前提是，你的显卡性能能满足深度神经网络的需求。
2021-12-01如何解决tensorflow无法调用GPU运行的问题?
LJ1120142576的博客
12-01 8153
如何解决tensorflow无法调用GPU运行的问提？1.目前的环境和问题1.1问题说明1.2操作环境等说明2.针对该问题的解决办法 1.目前的环境和问题 1.1问题说明 目前的主要问题是在做深度学习时，不能成功调用GPU进行运算，程序一直在CPU上运行，对于数据量大的深度学习而言，时间成本高 主要问题如下（代码都是在python环境下运行）： ①tensorflow版本检查 import tensorflow as tf tf.__version__ #(2.6.0) 再导入tensorflow时出现
【AMD显卡在WIndow10/11部署带GPU支持的深度学习环境(Tensorflow-DirectML篇)】
热门推荐
weixin_44029053的博客
11-27 3万+
我这先晒一个结果： 首先这里推荐的系统比如Win10不要太老，尽量新一点，特别是针对WSL2 本人用的显卡是AMD Radeon RX6600(后面不带XT，很重要！因为还有XT版嘛，性能差20%左右) CPU：i5 12600KF(目前的神卡，干翻上一代i9 K) 系统WIn10专业版，内部版本号：19042，版本不要太老，太老自己Windows更新那边升级一下到最新。 这里出现了两个分叉，一个是用我们本地Window环境，一个是用WSL2，如果你是准备用WSL2那么你最好是安装Window10/11.
Win10系统中GPU深度学习环境配置记录
soderayer的博客
10-03 840
系统：Win10处理器 Intel(R) Core(TM) i7-9700K CPU @ 3.60GHz 3.60 GHz机带 RAM 16.0 GB设备 ID A18D4ED3-8CA1-4DC6-A6EF-04A33043A5EF产品 ID 00342-35285-64508-AAOEM系统类型 64 位操作系统, 基于 x64 的处理器显卡：NVIDIA GeForce RTX 2070驱动程序版本: 30.0.15.1252驱动程序日期: 2022/4/15。
基于Ubuntu22.04.1的ROCm环境搭建
qq_45472315的博客
09-06 1440
【代码】基于Ubuntu22.04.1的ROCm环境搭建。
tensorflow在AMD上用ROCm框架实现GPU训练（亲测有效）
XuXing的博客
08-17 2万+
众所周知，a卡对于tensorflow gpu的支持很小，要想使用的话一般都得配n卡的电脑。而我只是感兴趣一个项目，想要跑出来一个模型，如果不用gpu加速，可能得跑一个月，所以不得不寻找在a卡上的解决方案。好在，终于找到了一个解决方案，虽然只是取巧，速度也不如正常n卡跑的快，但已经很不错了。 我的配置： 显卡：RX 550 所用系统：虚拟机ubuntu 18 注：如果是虚拟机的话，最好分配3GB内...
安装Pytorch（基于AMD显卡）
bobozai86的博客
06-09 1万+
Python的库大部分都在Anaconda的Anaconda prompt中进行安装各种包（注意：Anaconda的位数要和Python保持一致）
Mac 安装 TensorFlow 2.7 环境，支持 AMD 显卡
一条老萌新
01-07 2751
先抛出问题，望高人指点迷津： 跑 mnist 的 demo，GPU 比 CPU 慢了很多，为啥呢？ 本机环境： CPU：Intel I9 8核16线程 内存：64G 显卡：AMD Radeon Pro 5500M 示例代码 import tensorflow as tf def run(): mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data()
python数据分析知识点
weixin_30257433的博客
06-11 414
Jupyter Notebook 快速入门：https://www.cnblogs.com/nxld/p/6566380.html Anaconda入门使用指南：https://www.jianshu.com/p/169403f7e40c Anaconda Navigator ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在 Navigator 中手工实现。 ...
AMD GPU，下载tensorflow
04-02
### 下载支持AMD GPU的TensorFlow 目前，官方 TensorFlow 并未提供针对 AMD GPU 的原生支持。主流的支持主要集中在 NVIDIA CUDA 和 cuDNN 技术上[^1]。然而，社区中有若干替代方案可以实现对 AMD GPU 的支持。 #### 使用 ROCm (Radeon Open Compute) ROCm 是由 AMD 开发的一个开源平台，旨在为高性能计算提供支持。通过此项目，可以在 AMD GPU 上运行深度学习框架，包括 TensorFlow。以下是具体方法： 1. **安装 ROCm 驱动程序** 安装适合操作系统的 ROCm 驱动程序和库文件。可以通过以下命令完成基础环境配置： ```bash sudo apt update && sudo apt upgrade -y wget https://repo.radeon.com/rocm/apt/debian/rocm-gpg-key.pub sudo apt-key add rocm-gpg-key.pub echo 'deb [arch=amd64] https://repo.radeon.com/rocm/apt/debian focal main' | sudo tee /etc/apt/sources.list.d/rocm.list sudo apt update sudo apt install rocm-dev ``` 2. **安装兼容的 TensorFlow 版本** 社区维护了一个基于 ROCm 的 TensorFlow 构建版本。可以直接从 PyPI 或源码编译获取支持 AMD GPU 的 TensorFlow。 ```bash pip install tensorflow-rocm ``` 此外，也可以手动指定特定版本号来匹配 ROCm 环境的需求[^2]。 3. **验证安装成功与否** 运行简单的测试脚本来确认 TensorFlow 是否能够检测到并利用 AMD GPU 资源： ```python import tensorflow as tf gpus = tf.config.experimental.list_physical_devices('GPU') if gpus: try: # 设置内存增长模式以避免占用全部显存 for gpu in gpus: tf.config.experimental.set_memory_growth(gpu, True) logical_gpus = tf.config.experimental.list_logical_devices('GPU') print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPUs") except RuntimeError as e: print(e) else: print("No GPU detected.") ``` #### 替代解决方案：MIOpen 如果希望进一步优化性能表现，则可考虑集成 MIOpen 库至自定义构建流程之中。该库专为加速机器学习工作负载而设计，并且紧密配合 ROCm 生态系统运作良好。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值