Kui oled vabakutseline arendaja või lihtsalt tehnoloogiahuviline, kes soovib uurida uusimaid töötlustehnoloogiaid, siis on üks huvitav valdkond, mille poole pöörduda, GPU kiirendatud arvutamine. AMD ROCm (Radeon Open Compute Platform) ja PyTorch on suurepärased tööriistad masinõppe ja tehisintellekti (AI) arendamiseks, eriti kui sul on AMD graafikakaart. Sellise süsteemi seadistamine Ubuntu 22.04-l võib esmapilgul tunduda keeruline, kuid kui sa tead õigeid samme, siis saab protsess olema suhteliselt lihtne ja kiire. Selles blogipostituses jagan, kuidas installida ROCM ja PyTorch ning kuidas seadistada oma süsteem, et hakata seda kõike kasutama.

1. ROCM paigaldamine

Esmalt tuleb paigaldada ROCM, kuna see on vajalik, et kasutada AMD graafikakaarte masinõppe ülesannete täitmiseks. Järgi neid samme, et paigaldada ROCM Ubuntu 22.04-le:

Värskenda süsteemi ja paigalda vajalikud paketid:

sudo apt update
sudo apt install “linux-headers-$(uname -r)” “linux-modules-extra-$(uname -r)”

Lisa oma kasutaja render ja video gruppidesse, et pääseda juurde GPU ressurssidele:

sudo usermod -a -G render,video $LOGNAME

Laadi alla ja paigalda AMD GPU draiverid:

wget https://repo.radeon.com/amdgpu-install/6.2.4/ubuntu/jammy/amdgpu-install_6.2.60204-1_all.deb
sudo apt install ./amdgpu-install_6.2.60204-1_all.deb

Paigalda ROCM:

sudo apt update
sudo apt install amdgpu-dkms rocm

2. PyTorch paigaldamine ROCM-i jaoks

Kui ROCM on edukalt paigaldatud, saab hakata installima PyTorch raamistikku, mis on üks populaarsemaid töötlusraamistikke masinõppe jaoks. Kuna kasutame ROCM-i, siis peame paigaldama spetsiaalse PyTorch versiooni, mis toetab AMD GPU-sid.

Paigalda vajalikud sõltuvused:

sudo apt update
sudo apt install libjpeg-dev python3-dev python3-pip
pip3 install wheel setuptools

Paigalda PyTorch, TorchVision ja Torchaudio: Kasutame ROCM-i jaoks ettevalmistatud PyTorch versiooni, et tagada parim jõudlus.

pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/rocm6.2/

3. Testige PyTorch-i töötlust

Pärast paigaldamist tasub kontrollida, kas kõik töötab korralikult. Kasuta järgmist lihtsat Python skripti, et testida, kas PyTorch suudab tuvastada ROCM-i toetatud GPU:

import torch

Kontrolli, kas ROCM on saadaval

device = torch.device(“cuda” if torch.cuda.is_available() else “cpu”)
print(f”Using device: {device}”)

Lihtne tensor operatsioon

x = torch.randn(3, 3).to(device)
print(x)

Kui kõik on õigesti seadistatud, peaks see skript kuvama, millist seadet (CPU või GPU) PyTorch kasutab, ja välja trükkima mõned randomiseeritud andmed, mis on genereeritud sinu GPU-l.

4. Globaalsete keskkonnamuutujate seadistamine

Mõnel juhul on vajalik seada keskkonnamuutujad, et kohandada süsteemi GPU töötluse jaoks. Näiteks saad määrata, millist GPU-d kasutada, ning muud GPU spetsiaalsed seadistused. Selleks:

Ava süsteemi globaalne keskkonnafail:

sudo nano /etc/environment

Lisa järgmised read faili lõppu:

export PYTORCH_ROCM_ARCH=”gfx1100″
export HSA_OVERRIDE_GFX_VERSION=11.0.0
export HIP_VISIBLE_DEVICES=0
export ROCM_PATH=/opt/rocm

Pärast faili salvestamist kasuta käsku, et koheselt rakendada muudatused:

source /etc/environment

See samm tagab, et keskkonnamuutujad rakendatakse süsteemi kõigis sessioonides, sealhulgas pärast süsteemi taaskäivitamist.

5. Stabiilsuse Matrixi AppImage paigaldamine

Kui oled huvitatud töötluse veelgi suuremast täiustamisest, võid proovida ka StabilityMatrix tööriista, mis on AppImage-fail, mis pakub stabiilsuse analüüsi ja täiustamist.

Laadi alla StabilityMatrix AppImage siit.

Muuda AppImage täidetavaks:

chmod +x StabilityMatrix.AppImage

Käivita AppImage:

./StabilityMatrix.AppImage --appimage-extract

Kui see on edukalt tehtud, saad avada saadud kausta ja käivitada täidetava faili, et alustada StabilityMatrixi.

6. Kokkuvõte

ROCM ja PyTorch-i seadistamine Ubuntu 22.04 süsteemil on suurepärane viis uurida GPU kiirendatud töötlust masinõppes, eriti kui kasutad AMD graafikakaarti. Nende tööriistade kooslus võimaldab sul täiustada oma arendusprotsesse ja avastada uusi võimalusi süvitsi minekuks tehisintellekti valdkonnas. Samuti, testides ja katsetades erinevaid töötlusvõimalusi, saad rohkem kogemusi ja süvitsi minevat arusaama süsteemide toimimisest.

Kui oled alles alustamas või juba kogenud arendaja, on ROCM ja PyTorch suurepärased tööriistad, mis aitavad sul tõhustada oma töövooge ja avastada uusi tehnoloogilisi lahendusi.

Kasutatud allikad ja viited:

StabilityMatrix GitHub leht ROCm ametlik dokumentatsioon LinkedIn artikkel PyTorch’i ja AMD RX 7600 seadistamisest ROCm GitHub arutelud