作为一款被学术界和工业界广泛使用的开源机器学习框架，PyTorch 近日发布了最新的 1.8 版本，1.8 版本的发布，使得 PyTorch 加入了对 AMD ROCm 的支持，可以方便用户在原生环境下运行，省去了配置 Docker 的繁琐。
现在，一个更令人兴奋的消息是，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，以及与 PyTorch 软件包相同的简单、可选择格式的本地安装说明，用于仅 CPU 配置和其他 GPU 平台。
ROCm 上的 PyTorch 包括使用 AMD 的 MIOpen&RCCL 库进行混合精度和大规模训练的全部功能。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 AMD GPU 加速 PyTorch。
ROCM 生态系统
ROCm 是第一个针对加速式计算且不限定编程语言的超大规模开源平台。它遵循 UNIX 的选择哲学、极简主义以及针对 GPU 计算的模块化软件开发。你可以自由地选择打造应用程序所使用的工具和语言运行库，甚至可以自己开发所需的工具和运行库。
ROCm 天生就适合大规模计算，支持多 GPU 计算，更有丰富的系统运行库提供各种重要功能来支持大规模应用、编译器和语言运行库的开发。
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 年发布最初的 ROCm 版本以来，ROCm 平台已经发展到支持更多的库和工具、更广泛的 Linux 发行版以及一系列新的 GPU。
ROCm 生态系统已经建立了对 PyTorch 的支持，该项目最初是作为 PyTorch 项目的分支实施的，现在可通过上游 PyTorch 代码中的 ROCm 支持来实现。PyTorch 用户可以使用 AMD 的公共 PyTorch docker 映像为 ROCm 安装 PyTorch，当然也可以从源代码为 ROCm 构建 PyTorch。使用 PyTorch 1.8，这些现有的安装选项现在得到了可安装 Python 包的可用性的补充。
ROCm 开放式平台在不断发展，以满足深度学习社区的需求。通过最新发布的 ROCm 以及 AMD 优化的 MIOpen 库，开发人员、研究人员和科学家可以公开获得许多支持机器学习工作负载的常用框架。这有助于让更多人能够在 ROCm 开放式平台和基于 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 AMD GPU，Linux 上运行。ROCm 支持的 GPU 包括 AMD Instinct 系列，以及其他 GPU。当前支持 GPU 的系列可以在 ROCm Github 项目仓库中查看。在确认目标系统包括受支持的 GPU 和 ROCm 的当前 4.0.1 版本之后，PyTorch 的安装遵循其他 Python 包相同的基于 Pip 的安装方式。
ROCm 通过不断开发支持主要机器学习框架，如 TensorFlow 和 PyTorch，来加强和优化工作负载加速。AMD 与开源社区广泛合作，来促进和推广深度学习训练和优化。这些不断的努力有助于拓宽机器学习的应用领域，发挥 AMD Radeon Instinct 加速器和 ROCm 生态系统的作用。
查看 GPU 地址：https://github.com/RadeonOpenCompute/ROCm#supported-gpus
pytorch.org 网站地址：https://pytorch.org/
