業界 | AMD的GPU現在可以加速TensorFlow深度學習了

近日，AMD 宣布推出適用於 ROCm GPU 的 TensorFlow v1.8 接口，其中包括 Radeon Instinct MI25。AMD 稱，這是該公司在實現深度學習加速上的重要裡程碑。ROCm 即 Radeon Open Ecosystem，是 AMD 在 Linux 上的開源 GPU 計算基礎環境。這次的 TensorFlow 實現使用了 MIOpen——一個適用於深度學習的優化 GPU 例程庫。

目前，AMD 的深度學習加速解決方案已經官方支持 TensorFlow 和 Caffe 兩種框架。

AMD 提供了一個預構建的 whl 包，使安裝變得像 Linux 通用 TensorFlow 的安裝那樣簡單。AMD 已經發布了安裝說明以及一個預構建的 Docker 映像。

除了支持 TensorFlow 1.8，AMD 目前還在致力於對 TensorFlow 主存儲庫進行所有針對 ROCm 的強化。其中一些補丁已經在上遊合併，另外幾個正在積極審查中。在全面更新增強功能時，AMD 還將發布和維護未來支持 ROCm 的 TensorFlow 版本，如 v1.10 版。

AMD 相信深度學習的優化、可便攜性以及可擴展性的未來在於特定領域編譯器的基礎之上。其開發者受到 XLA 早期結果的啟發，正在朝著為 AMD GPU 開放和優化 XLA 的方向發展。

有關 AMD 深度學習加速的更多內容可參照：www.amd.com/deeplearning

2017 年，AMD 發布了 ROCm 平臺，開始為開發者提供深度學習支持。同時，這家公司也開源了高性能機器學習庫 MIOpen。

準備能運行 ROCm 和 docker 的機器

以下教程假定了使用全新的機器來準備 ROCm+Docker 環境；除了典型的庫存包（stock package）更新以外，不需要安裝額外的軟體。

最新的公開 docker.re 發布，18.02 版本已知在 docker 鏡像下與非根帳戶共同使用時存在缺陷。請使用以下 deb 包更新 docker 包到 18.04 版本。

安裝包：https://download.docker.com/linux/ubuntu/dists/xenial/pool/nightly/amd64/docker-ce_18.04.0~ce~dev~git20180315.170650.0.8fabfd2-0~ubuntu_amd64.deb

首先推薦安裝 ROCm 內核，ROCm KFD 按 DKMS 模塊的方式分布，適用於 ROCm1.7.0 後的版本。AMD 推薦儘量升級到最新的通用內核。更新的內核通常能夠更好地支持 AMD 硬體，並且庫存視頻解析度和硬體加速性能也通常會得到改善。同時，ROCm 已經官方支持了 Ubuntu 和 Fedora Linux 分布。以下的 asciicast 展示了在 Ubuntu16.04 上更新內核。更多的細節可以在 Radeon Open Computer 網站上找到。

第1步：安裝 ROCm 內核

你需要鍵入（或複製）如下命令：

# OPTIONAL, upgrade your base kernel to 4.13.0-32-generic, reboot required
sudo apt update && sudo apt install linux-headers-4.13.0-32-generic linux-image-4.13.0-32-generic linux-image-extra-4.13.0-32-generic linux-signed-image-4.13.0-32-generic
sudo reboot 
# Install the ROCm rock-dkms kernel modules, reboot required
wget -qO - http:
sudo apt-get update && sudo apt-get install rock-dkms
sudo update-initramfs -u
sudo reboot
# Add user to the video group
sudo adduser $LOGNAME video

確保在安裝 ROCm 內核包後重啟計算機，以強制新內核在重啟時加載。你可以通過在提示符下鍵入以下命令來驗證是否加載了 ROCm 內核：

lsmod | grep kfd

在屏幕上打出的內容應該如下：

amdkfd                270336  4
amd_iommu_v2           20480  1 amdkfd
amdkcl                 24576  3 amdttm,amdgpu,amdkfd

第 2 步：安裝 docker

確認過新核正在運行之後，下一步就是安裝 docker 引擎。可以在 docker 的網站上找到安裝 docker 的手冊，但可能最簡單的方法時使用 docker 自己的 bash 腳本。如果允許在你的機器上運行從網際網路下載的 bash 腳本，打開一個 bash 提示符並執行以下命令行：

curl -sSL https:

用上面的腳本查看 Linux 發行版和安裝的內核，並正確安裝 docker。腳本將在 ROCm 平臺上輸出一條警告消息，表明它不能識別 ROCm 內核；這個是正常的，可以忽略。腳本可在無法識別內核的情況下進行正確的 docker 安裝。

第 3 步：驗證/更改 docker 設備存儲驅動程序

sudo docker info

docker 設備存儲驅動程序管理 docker 如何訪問圖像和容器。docker 官網上可以找到很多關於存儲驅動程序架構的文檔和詳細描述。通過在命令提示符下發出 sudo docker info 命令並查找「Storage Driver:」輸出，可以檢查哪個存儲驅動程序正被 docker 使用。我們很難預測安裝時存儲驅動程序 docker 會選擇什麼作為默認值，默認值會隨著時間的推移而變化，但在經驗中，我們發現尺寸較大的圖像會遇到 devicemapper 存儲驅動程序問題。它對圖像和容器的最大尺寸施加了限制。如果你在「大數據」領域工作，如在深度神經網絡的應用中，devicemapper 限制了 10GB 的默認值。如果遇到此限制，有兩個選項可用：

1. 切換到其他存儲驅動

2. 如果你必須使用「devicemapper」，請在服務啟動時傳遞「devicemapper」配置變量——dm.basesize，以增加潛在圖像的最大值。

在創建和使用「devicemapper」圖像後切換到「overlay2」存儲驅動程序的缺點是需要重新創建現有圖像。因此，AMD 建議在進行重要工作前驗證是否使用「overlay2」存儲驅動程序設置了 docker。

第 4 步 A：使用 docker CLI 構建 ROCm 容器

git clone https:
sudo docker build -t rocm/rocm-terminal rocm-terminal
sudo docker run -it --device=/dev/kfd --device=/dev/dri --group-add video rocm/rocm-terminal

（可選）第 4 步 B：使用 docker-compose 構建 ROCm 容器

git clone https:
sudo docker-compose run --rm rocm

第 5 步：驗證 ROCm-docker 容器是否成功構建

cd /opt/rocm/hsa/sample

sudo make

./vector-copy

參考內容：

https://medium.com/tensorflow/amd-rocm-gpu-support-for-tensorflow-33c78cc6a6cf

https://github.com/RadeonOpenCompute/ROCm-docker

本文為機器之心報導，轉載請聯繫本公眾號獲得授權。

✄---

加入機器之心（全職記者 / 實習生）：[e-mail]

投稿或尋求報導：[e-mail]

廣告 & 商務合作：[e-mail]