作為一款被學術界和工業界廣泛使用的開源機器學習框架，PyTorch 近日發布了最新的 1.8 版本，1.8 版本的發布，使得 PyTorch 加入了對 AMD ROCm 的支持，可以方便用戶在原生環境下運行，省去了配置 Docker 的繁瑣。

現在，一個更令人興奮的消息是，ROCm 開放軟件平臺上為 PyTorch 用戶提供了一個新的安裝選項。一個可安裝的 Python 包現在托管在 pytorch.org 網站，以及與 PyTorch 軟件包相同的簡單、可選擇格式的本地安裝說明，用于僅 CPU 配置和其他 GPU 平臺。

ROCm 上的 PyTorch 包括使用 AMD 的 MIOpen&RCCL 庫進行混合精度和大規模訓練的全部功能。這為數據科學家、研究人員、學生和社區中的其他人提供了一個新的選擇，可以開始使用 AMD GPU 加速 PyTorch。

ROCM 生態系統

ROCm 是第一個針對加速式計算且不限定編程語言的超大規模開源平臺。它遵循 UNIX 的選擇哲學、極簡主義以及針對 GPU 計算的模塊化軟件開發。你可以自由地選擇打造應用程序所使用的工具和語言運行庫，甚至可以自己開發所需的工具和運行庫。

ROCm 天生就適合大規模計算，支持多 GPU 計算，更有豐富的系統運行庫提供各種重要功能來支持大規模應用、編譯器和語言運行庫的開發。

ROCm 是 AMD 的開源軟件平臺，用于 GPU 加速的高性能計算和機器學習。自 2016 年發布最初的 ROCm 版本以來，ROCm 平臺已經發展到支持更多的庫和工具、更廣泛的 Linux 發行版以及一系列新的 GPU。

ROCm 生態系統已經建立了對 PyTorch 的支持，該項目最初是作為 PyTorch 項目的分支實施的，現在可通過上游 PyTorch 代碼中的 ROCm 支持來實現。PyTorch 用戶可以使用 AMD 的公共 PyTorch docker 映像為 ROCm 安裝 PyTorch，當然也可以從源代碼為 ROCm 構建 PyTorch。使用 PyTorch 1.8，這些現有的安裝選項現在得到了可安裝 Python 包的可用性的補充。

ROCm 開放式平臺在不斷發展，以滿足深度學習社區的需求。通過最新發布的 ROCm 以及 AMD 優化的 MIOpen 庫，開發人員、研究人員和科學家可以公開獲得許多支持機器學習工作負載的常用框架。這有助于讓更多人能夠在 ROCm 開放式平臺和基于 AMD 加速器的系統上運行深度學習工作負載。

PyTorch 構建的范圍是 ROCm 支持的 AMD GPU，Linux 上運行。ROCm 支持的 GPU 包括 AMD Instinct 系列，以及其他 GPU。當前支持 GPU 的系列可以在 ROCm Github 項目倉庫中查看。在確認目標系統包括受支持的 GPU 和 ROCm 的當前 4.0.1 版本之后，PyTorch 的安裝遵循其他 Python 包相同的基于 Pip 的安裝方式。

ROCm 通過不斷開發支持主要機器學習框架，如 TensorFlow 和 PyTorch，來加強和優化工作負載加速。AMD 與開源社區廣泛合作，來促進和推廣深度學習訓練和優化。這些不斷的努力有助于拓寬機器學習的應用領域，發揮 AMD Radeon Instinct 加速器和 ROCm 生態系統的作用。

查看 GPU 地址：
https://github.com/RadeonOpenCompute/ROCm#supported-gpus

pytorch.org 網站地址：https://pytorch.org/