Estos son algunos detalles básicos que pude encontrar.
Linux
ROCm es compatible con los principales marcos de aprendizaje automático como TensorFlow y PyTorch con un desarrollo continuo para mejorar y optimizar la aceleración de la carga de trabajo.
Parece que el soporte es solo para sistemas Linux. (https://rocmdocs.amd.com/en/latest/Installation_Guide/Installation-Guide.html)
ROCm apoyos los principales marcos de aprendizaje automático como TensorFlow y PyTorch con desarrollo continuo para mejorar y optimizar la aceleración de la carga de trabajo. Residencia en CADERA
La interfaz de computación heterogénea para portabilidad (HIP) es un dialecto de C ++ diseñado para facilitar la conversión de aplicaciones CUDA a código C ++ portátil. Proporciona una API de estilo C y un lenguaje de kernel C ++. La interfaz de C ++ puede usar plantillas y clases a través del límite de host / kernel. La herramienta HIPify automatiza gran parte del trabajo de conversión al realizar una transformación de fuente a fuente de CUDA a HIP. El código HIP puede ejecutarse en hardware AMD (a través del compilador HCC) o hardware NVIDIA (a través del compilador NVCC) sin pérdida de rendimiento en comparación con el código CUDA original.
El puerto ROCm de Tensorflow es
https://github.com/ROCmSoftwarePlatform/tensorflow-upstream y su contenedor Docker es https://hub.docker.com/r/rocm/tensorflow
Mac
Esta soporte para macOS 12.0+ (según su reclamo)
Pruebas realizadas por Apple en octubre y noviembre de 2020 con un sistema Mac Pro de producción basado en Intel Xeon W de 16 núcleos a 3,2 GHz con 32 GB de RAM, gráficos AMD Radeon Pro Vega II Duo con 64 GB de HBM2 y SSD de 256 GB.
Ahora puede aprovechar el tensorflow-metal de Apple Dispositivo enchufable en TensorFlow v2.5 para entrenamiento acelerado en GPU de Mac directamente con Metal.
