...几年前我曾尝试进入机器学习领域，但发现很快我就面临一个选择——要么我可以选择 AMD 和开源驱动程序，要么选择 Nvidia 和前沿软件。在自己的电脑上学习算法似乎不太可行，使用 AMD 显卡的 CPU 运行太慢，而我从未找到一种方法在 GPU 上使用我找到的资源。由于开源软件对我来说更重要，我放弃了 AI。也许我只是缺乏正确的思维方式，但困难如此之大，似乎大多数拥有 AMD 显卡的人根本无法在业余水平上使用 ROCm，而且在专业层面没有足够好的策略来推广它，除非有一个业余社区。低级 GPU 编程真的很难。OpenGL、CUDA、OpenCL，不管是什么。我仍在寻找一个入门资源，告诉我应该如何使用 AMD 显卡来相乘两个矩阵。我 literally 无法在五分钟的谷歌搜索中找到一个，我得到的是一篇空白文章 [0]。也许只是对我而言是空白的？...
源讨论AMD ROCm：一个被浪费的机会原帖 101 条评论 · 导入时统计ROCm的现状真是令人遗憾。它实际上更像是CUDA的广告，对我而言确实达到了这个目的。就连Intel的oneAPI似乎也朝着更可行的方向发展。 我觉得AMD似乎不明白，对消费级产品支持GPGPU对于最终在企业领域获得采用有多重要。CUDA之所以方便，部分原因在于只要你有一块NVIDIA显卡，它可能就可用于测试，即使不一定最优或快速。然后，一旦对它的可用性建立了信心，就可以更认真地投资于获取更强大的显卡。
完整原文把你的经验，加入这段讨论。
ROCm是一团糟，我对AMD也感到同样失望，原因相同。在Linux上使用AMD显卡进行加速计算很麻烦且令人失望，即使你几乎能让它运行起来。
完整原文此外，他们突然取消了嵌入式GPU的供应，这让一大部分愿意使用他们硬件和OpenCL堆栈的人受到了伤害（如果有一条不太痛苦的迁移路径到ROCm，他们可能会这样做）。现在你的选择是TigerLake（以及谁知道英特尔是否会继续维护sycl/oneAPI支持，而且我觉得英特尔在GPU方面并不认真对待长期发展……或者甚至他们所宣传的开放标准shtick在oneAPI/SYCL上）或者NVIDIA和CUDA的束缚。
完整原文PyTorch可能是最容易上手的方式，它应该会给你一个类似NumPy的高阶对象操作方式。 至于底层，OpenCL一直需要大量的样板代码才能开始，CUDA要好一些。一个能帮助你的东西是CUDA上的Thrust框架，它试图为GPU操作提供一个类似C++ STL的接口。我并不是说它超级高效，但尤其是它可以给你一个起点，并自动处理一些样板代码。 以经典的AMD风格，有一个模仿者，已经五年多没有更新了，可能是某个实习生的暑期项目，或者某个员工为了简历而开发的东西，而AMD一直在其身后留下了一连串被遗弃的项目。 https://thrust.github.io/ https://hsa-libraries.github.io/Bolt/html/ 但基本上这就是它会看起来的样子：一个主…
完整原文尊重不同观点，分享具体经验。
登录后即可发帖、评论、转发和引用。