pytorch with ROCM(看命)

##建议提前装好OneAPI套件,至少有mkl库

sudo rocminfo | grep gfx
#  Name:                    gfx1032                            
#  Name:                    amdgcn-amd-amdhsa--gfx1032  

git clone --recursive https://github.com/pytorch/pytorch.git
cd pytorch
git submodule sync
git submodule update --init --recursive

set -e
SCRIPT_DIR=$( cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)
BUILD_PATH=${SCRIPT_DIR}/build
export ROCM_PATH=/opt/rocm
export PATH=/opt/rocm/bin:/opt/rocm/hip/bin:/opt/rocm/llvm/bin:$PATH
export LD_LIBRARY_PATH=/opt/rocm/lib:/lib:/lib/x86_64-linux-gnu:${LD_LIBRARY_PATH}

pip install -r requirements.txt
git submodule sync
git submodule update --init --recursive
git checkout -- .
git clean -df -e build.sh

python3 tools/amd_build/build_amd.py

# 编译选项
# AMD Radeon 6600
export PYTORCH_ROCM_ARCH="gfx1032"  
export _GLIBCXX_USE_CXX11_ABI=1
export USE_NUMPY=1
export USE_ROCM=1
export USE_LMDB=1
export USE_OPENCV=1
export USE_MKLDNN=0
export USE_CUDA=0
export USE_NINJA=0
export BUILD_CAFFE2=0
export BUILD_CAFFE2_OPS=0
export BUILD_TEST=0
export MAX_JOBS=32
export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}

# 编译 
python3 setup.py build
#error python3 setup.py clean
#
-------------------------------------------------------------------------
|                                                                       |
|    It is no longer necessary to use the 'build' or 'rebuild' targets  |
|                                                                       |
|    To install:                                                        |
|      $ python setup.py install                                        |
|    To develop locally:                                                |
|      $ python setup.py develop                                        |
|    To force cmake to re-generate native build files (off by default): |
|      $ python setup.py develop --cmake                                |
|                                                                       |
-------------------------------------------------------------------------
#
python3 setup.py install

### 如何在 AMD 显卡上使用 PyTorch #### 安装配置 对于希望在 AMD 显卡上运行 PyTorch 的用户来说,重要的一点是确认 PyTorch 对于 GPU 加速的支持主要集中在 NVIDIA CUDA 上。然而,在某些情况下可以通过 ROCm (Radeon Open Compute) 来实现对 AMD 显卡的支持[^5]。 为了确保安装过程顺利,推荐按照官方文档中的指导来操作。通常而言,AMD 提供了详细的说明用于设置基于 ROCmPyTorch 开发环境。具体步骤如下: 1. **准备系统**:确保操作系统支持最新的驱动程序更新。 2. **安装 ROCm 平台**:访问 AMD 官方网站获取最新版的 ROCm 软件栈,并遵循其提供的安装指南完成部署。 3. **验证 ROCm 安装**:通过执行简单的测试令如 `rocminfo` 或者编译并运行一些示例代码片段来进行初步检验。 4. **安装 PyTorch with ROCm**:从 PyTorch 官网选择带有 ROCm 后端选项的预构建二进制文件进行安装;也可以考虑源码编译方式获得更广泛的定制化能力。 ```bash # 使用 conda 安装适用于 ROCmPyTorch 版本 conda install pytorch rocm::hip -c pytorch ``` #### 性能优化 针对 AMD 架构下的性能调优主要包括以下几个方面: - **调整批处理大小**:适当增加批次尺寸有助于提高计算资源利用率从而加快训练速度。 - **启用混合精度训练**:利用 FP16 数据格式减少内存占用的同时加速运算效率。 - **多线程/多进程并行化**:充分利用 CPU 多核特性以及分布式训练框架提升整体吞吐量。 #### 兼容性问题 需要注意的是并非所有的 PyTorch 功能都能完美适配 AMD 设备。特别是当涉及到特定硬件特性的 API 接口时可能会遇到局限性。此外,由于 Intel MKL 错误配置引发的问题也可能影响到部分依赖该库的应用场景[^3]。因此建议开发者密切关注社区反馈和技术论坛上的讨论帖,及时跟进任何潜在 bug 修复进展。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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