Latar Belakang
Di tempat kerja baru, mereka menempatkan saya di PC yang dilengkapi dengan prosesor Ryzen 2600 dan kartu video Radeon RX 580. Setelah mencoba melatih jaringan saraf pada prosesor, saya menyadari bahwa bukan itu masalahnya: prosesnya terlalu lambat. Setelah sedikit riset, saya menemukan bahwa setidaknya ada 2 cara untuk menjalankan pustaka pembelajaran mesin modern pada kartu grafis Radeon: PlaidML dan ROCm. Saya mencoba keduanya dan ingin membagikan hasilnya.
PlaidML: lintas platform di garis depan
TensorFlow Keras, , GPU. , Nvidia CUDA.
PlaidML - Keras OpenCL. Keras , AMD. Windows, Linux Mac.
UPD: MikeLP , :
Keras . , PlaidML CUDA. , , Keras Tensorflow. — « ». PlaidML Keras, a tf.Keras — API . C PlaidML, Keras API Tensorflow. PlaidML ( Intel) roadmap .
, PlaidML , .. Keras Tensorflow API . Keras+PlaidML .
PlaidML . Python- :
pip install plaidml-keras && plaidml-setup
PlaidML :
os.environ["KERAS_BACKEND"] = "plaidml.keras.backend"
. :
plaidbench keras mobilenet
. RX 580 Ryzen 2600 , :
|
|
|
|
Radeon RX 580 |
6.14s |
6.51s |
Radeon Vega Frontier Edition |
4.56s |
5.50s |
GeForce GTX 1080 TI |
2.52s |
4.83s |
Intel HD Graphics 5500 |
36.64s |
755.23s |
AMD Ryzen 2600 (CPU) |
5.04s |
254.70s |
AMD Nvidia. , . Intel HD Graphics: PlaidML Intel .
ROCm:
Radeon Open Compute Platform (ROCm), AMD GPU . ROCm NVIDIA CUDA. UNIX-.
ROCm . , ~2 , PlaidML, , PlaidML Out Of Memory.
Ubuntu 20.04 LTS. ROCm : ( , .. )
:
sudo apt update && sudo apt dist-upgrade && sudo apt install libnuma-dev && sudo reboot
5.8 5.6. http://kernel.ubuntu.com/~kernel-ppa/mainline/ :
linux-headers-VERSION-NUMBER_all.deb linux-headers-VERSION-NUMBER_amd64.deb linux-image-VERSION-NUMBER_amd64.deb linux-modules-VERSION-NUMBER_amd64.deb
, :
sudo dpkg -i *.deb
5.6, GRUB. 5.8:
sudo apt-get purge *5.8.0*
.
:
wget -q -O - https://repo.radeon.com/rocm/rocm.gpg.key | sudo apt-key add - echo 'deb [arch=amd64] https://repo.radeon.com/rocm/apt/debian/ xenial main' | sudo tee /etc/apt/sources.list.d/rocm.list
ROCm:
sudo apt update && sudo apt install rocm-dkms && sudo reboot
:
sudo usermod -a -G video $LOGNAME sudo usermod -a -G render $LOGNAME
. , GPU:
/opt/rocm/bin/rocminfo /opt/rocm/opencl/bin/clinfo
ROCm PATH:
echo 'export PATH=$PATH:/opt/rocm/bin:/opt/rocm/rocprofiler/bin:/opt/rocm/opencl/bin' | sudo tee -a /etc/profile.d/rocm.sh
:
sudo apt install rocm-libs miopen-hip rccl
Pip TensorFlow:
sudo apt install python3-pip pip3 install --user tensorflow-rocm
! TensorFlow GPU:
:
python3 ./tf_cnn_benchmarks.py --num_gpus=1 --batch_size=64 --model=resnet50
RX 580 , :
|
|
/ (ResNet 50) |
AMD Radeon VII |
284 |
AMD Radeon RX Vega 56 |
131 |
AMD Radeon RX 580 |
92 |
Nvidia GeForce 2080 Ti |
293 |
Nvidia GeForce GTX 1070 |
126 |
Nvidia GeForce RTX 3080 10GB |
396 |
2021 , . AMD Nvidia, . , Radeon , .
Jika Anda sudah memiliki kartu grafis dari AMD, maka mungkin untuk tujuan pengembangan Anda tidak perlu mengubahnya menjadi kartu grafis Nvidia. Saya menganggap kerangka kerja ROCm sebagai pilihan optimal untuk pembelajaran mesin pada kartu video Radeon. Ini memberikan kinerja yang layak dan memungkinkan TensorFlow 2.2.0 dan Keras untuk dijalankan.