作为学术界和工业界广泛使用的开源机器学习框架，PyTorch最近发布了最新的1.8版本，这使得PyTorch加入了对AMDROCm的支持，可以方便用户运行在原生环境下，省去了Docker的繁琐配置。现在，更令人振奋的消息是，ROCm开放软件平台上为PyTorch用户提供了一个新的安装选项。一个可安装的Python包现在托管在pytorch.org网站上，以及与PyTorch包相同的简单、可选格式的本地安装说明，适用于仅CPU配置和其他GPU平台。ROCm上的PyTorch包括使用AMD的MIOpen和RCCL库进行混合精度和大规模训练的完整功能。这为数据科学家、研究人员、学生和社区中的其他人提供了一个新的选择，可以开始使用AMDGPU加速PyTorch。ROCM生态系统ROCm是第一个与语言无关的超大规模开源加速计算平台。它遵循UNIX的选择哲学、极简主义和用于GPU计算的模块化软件开发。您可以自由选择用于构建应用程序的工具和语言运行时，甚至可以自行开发所需的工具和运行时。ROCm天生适合大规模计算，支持多GPU计算，拥有丰富的系统运行时库，提供各种重要功能，支持大型应用程序、编译器、语言运行时库的开发。ROCm是AMD的开源软件平台，用于GPU加速的高性能计算和机器学习。自2016年最初的ROCm发布以来，ROCm平台已经发展到支持更多的库和工具、更广泛的Linux发行版和一系列新的GPU。对PyTorch的支持已内置到ROCm生态系统中，最初作为PyTorch项目的一个分支实现，现在可通过上游PyTorch代码中的ROCm支持获得。PyTorch用户可以使用AMD的公共PyTorchdocker镜像为ROCm安装PyTorch，当然也可以从源代码为ROCm构建PyTorch。在PyTorch1.8中，这些现有的安装选项现在通过可安装的Python包的可用性得到了补充。ROCm开放平台不断发展以满足深度学习社区的需求。借助新发布的ROCm以及AMD优化的MIOpen库，开发人员、研究人员和科学家可以开放访问许多支持机器学习工作负载的流行框架。这有助于更多人在ROCm开放平台和基于AMD加速器的系统上运行深度学习工作负载。PyTorch构建的范围是ROCm支持的AMDGPU，在Linux上运行。ROCm支持的GPU包括AMDInstinct系列，以及其他GPU。目前支持的GPU系列可以在ROCmGithub项目仓库中查看。在确认目标系统包括受支持的GPU和当前4.0.1版本的ROCm后，PyTorch的安装遵循与其他Python包相同的基于Pip的安装。ROCm通过持续开发来增强和优化工作负载加速，以支持TensorFlow和PyTorch等主要机器学习框架。AMD与开源社区广泛合作，以促进和促进深度学习训练和优化。这些持续的努力有助于拓宽机器学习的应用领域，利用AMDRadeonInstinct加速器和ROCm生态系统。查看GPU地址：https://github.com/RadeonOpenCompute/ROCm#supported-gpuspytorch.org网站地址：https://pytorch.org/
