使用 AMD 显卡加速 TensorFlow

Posted 2021-04-24 TensorFlow

作者 / Mayank Daga, 深度学习软件总监, AMD 

深度学习已迅速发展成为二十一世纪最重要的技术突破之一，而 GPU 在深度学习的发展中扮演着重要角色。GPU 强大的并行计算能力大大缩减了复杂深度学习模型的训练时间，进而加快了产品开发时间。此外，TensorFlow 等开源框架对于深度学习中的快节奏创新同样至关重要。

AMD 坚信开源哲学，并特地开发了 Radeon 开放式生态系统 (Radeon Open eCosystem, ROCm)，这是一种用于在 Linux® 上进行 GPU 计算的开源基础架构。

我很高兴宣布针对 TensorFlow 的所有 ROCm 特定修改现在都已上传至上游的 TensorFlow 主代码库，与谷歌和整个深度学习社区一同遵循开源理念。我们最重要的工作成果是提供了 ROCm 的社区支持版本，包含“每日(nightly)”和“稳定(stable)”两种版本。ROCm 版 TensorFlow 支持 TensorFlow 的众多特性，包括半精度支持和多 GPU 执行，并支持图像和语音识别、推荐系统和机器翻译等各类应用。我们已发布安装说明，以及一个预构建 Docker® 映像。

我们相信，深度学习优化、可移植性和可拓展性的未来将扎根于特定领域的编译器。受 MLIR 和 XLA 成果的鼓舞，我们正努力实现并优化 AMD GPU 上的这些技术。

我们诚挚感谢 Christian Sigg、Gunhan Gulsoy、Justin Lebar、Tatiana Shpeisman 和 Thiru Palanisamy 的支持，是他们帮助 AMD 实现了这一里程碑，同时也要感谢不知疲倦地审核我们的 pull request 并提供反馈的 Google 其他员工。

如需详细了解 AMD 在该领域的相关工作，请参阅 www.amd.com/deeplearning 。

如果您想详细了解 本文提及 的相关内容，请参阅以下文档。这些文档深入探讨了这篇文章中提及的许多主题：

• Radeon 开放式生态系统

  (https://rocm.github.io/)
  

• TensorFlow 主代码库

  (https://github.com/tensorflow/tensorflow)
  

• ROCm 的社区支持版本

  (https://github.com/tensorflow/tensorflow#community-supported-builds)
  

• 安装说明
  (https://rocm.github.io/tensorflow.html)

• 预构建 Docker® 映像
  (https://hub.docker.com/r/rocm/tensorflow/)