业界 ｜ AMD的GPU现在可以加速TensorFlow深度学习了 机器之心报道 机器之心编辑部 参与：刘晓坤、李泽南、王淑婷 近日，AMD 宣布推出适用于 ROCm GPU 的 TensorFlow v1.8 接口，其中包括 Radeon Instinct MI25。AMD 称，这是该公司在实现深度学习加速上的重要里程碑。ROCm 即 Radeon Open Ecosystem，是 AMD 在 Linux 上的开源 GPU 计算基础环境。这次的 TensorFlow 实现使用了 MIOpen——一个适用于深度学习的优化 GPU 例程库。 目前，AMD 的深度学习加速解决方案已经官方支持 TensorFlow 和 Caffe 两种框架。 AMD 提供了一个预构建的 whl 包，使安装变得像 Linux 通用 TensorFlow 的安装那样简单。AMD 已经发布了安装说明以及一个预构建的 Docker 映像。 除了支持 TensorFlow 1.8，AMD 目前还在致力于对 TensorFlow 主存储库进行所有针对 ROCm 的强化。其中一些补丁已经在上游合并，另外几个正在积极审查中。在全面更新增强功能时，AMD 还将发布和维护未来支持 ROCm 的 TensorFlow 版本，如 v1.10 版。 AMD 相信深度学习的优化、可便携性以及可扩展性的未来在于特定领域编译器的基础之上。其开发者受到 XLA 早期结果的启发，正在朝着为 AMD GPU 开放和优化 XLA 的方向发展。 有关 AMD 深度学习加速的更多内容可参照：www.amd.com/deeplearning 2017 年，AMD 发布了 ROCm 平台，开始为开发者提供深度学习支持。同时，这家公司也开源了高性能机器学习库 MIOpen。 准备能运行 ROCm 和 docker 的机器 以下教程假定了使用全新的机器来准备 ROCm+Docker 环境；除了典型的库存包（stock package）更新以外，不需要安装额外的软件。 最新的公开 docker.re 发布，18.02 版本已知在 docker 镜像下与非根账户共同使用时存在缺陷。请使用以下 deb 包更新 docker 包到 18.04 版本。 安装包：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 首先推荐安装 ROCm 内核，ROCm KFD 按 DKMS 模块的方式分布，适用于 ROCm1.7.0 后的版本。AMD 推荐尽量升级到最新的通用内核。更新的内核通常能够更好地支持 AMD 硬件，并且库存视频分辨率和硬件加速性能也通常会得到改善。同时，ROCm 已经官方支持了 Ubuntu 和 Fedora Linux 分布。以下的 asciicast 展示了在 Ubuntu16.04 上更新内核。更多的细节可以在 Radeon Open Computer 网站上找到。 在 Ubuntu 上安装 ROCK 内核：https://github.com/RadeonOpenCompute/ROCm#debian-repository---apt-get 第1步：安装 ROCm 内核 你需要键入（或复制）如下命令： #OPTIONAL,upgradeyourbasekernelto4.13.0-32-generic,rebootrequired sudoaptupdatesudoaptinstalllinux-headers-4.13.0-32-genericlinux-image-4.13.0-32-genericlinux-image-extra-4.13.0-32-genericlinux-signed-image-4.13.0-32-generic sudoreboot #InstalltheROCmrock-dkmskernelmodules,rebootrequired wget-qO-http://repo.radeon.com/rocm/apt/debian/rocm.gpg.key|sudoapt-keyadd-echodeb[arch=amd64]http://repo.radeon.com/rocm/apt/debian/xenialmain|sudotee/etc/apt/sources.list.d/rocm.list sudoapt-getupdatesudoapt-getinstallrock-dkms sudoupdate-initramfs-u sudoreboot #Addusertothevideogroup sudoadduser$LOGNAMEvideo 确保在安装 ROCm 内核包后重启计算机，以强制新内核在重启时加载。你可以通过在提示符下键入以下命令来验证是否加载了 ROCm 内核： lsmod|grepkfd 在屏幕上打出的内容应该如下： amdkfd2703364 amd_iommu_v2204801amdkfd amdkcl245763amdttm,amdgpu,amdkfd 第 2 步：安装 docker 确认过新核正在运行之后，下一步就是安装 docker 引擎。可以在 docker 的网站上找到安装 docker 的手册，但可能最简单的方法时使用 docker 自己的 bash 脚本。如果允许在你的机器上运行从互联网下载的 bash 脚本，打开一个 bash 提示符并执行以下命令行： curl-sSLhttps://get.docker.com/|sh 用上面的脚本查看 Linux 发行版和安装的内核，并正确安装 docker。脚本将在 ROCm 平台上输出一条警告消息，表明它不能识别 ROCm 内核；这个是正常的，可以忽略。脚本可在无法识别内核的情况下进行正确的 docker 安装。 第 3 步：验证/更改 docker 设备存储驱动程序 sudodockerinfo docker 设备存储驱动程序管理 docker 如何访问图像和容器。docker 官网上可以找到很多关于存储驱动程序架构的文档和详细描述。通过在命令提示符下发出 sudo docker info 命令并查找「Storage Driver:」输出，可以检查哪个存储驱动程序正被 docker 使用。我们很难预测安装时存储驱动程序 docker 会选择什么作为默认值，默认值会随着时间的推移而变化，但在经验中，我们发现尺寸较大的图像会遇到 devicemapper 存储驱动程序问题。它对图像和容器的最大尺寸施加了限制。如果你在「大数据」领域工作，如在深度神经网络的应用中，devicemapper 限制了 10GB 的默认值。如果遇到此限制，有两个选项可用： 1. 切换到其他存储驱动 AMD 推荐使用「overlay2」，它的环境依赖与 ROCm 内核相符，所以可以适用。 overlay2 可提供无限制的图像尺寸 如果不能使用「overlay2」，你可以在启动服务时间的时候通过 storage-driver=name选项选择存储驱动 2. 如果你必须使用「devicemapper」，请在服务启动时传递「devicemapper」配置变量——dm.basesize，以增加潜在图像的最大值。 在创建和使用「devicemapper」图像后切换到「overlay2」存储驱动程序的缺点是需要重新创建现有图像。因此，AMD 建议在进行重要工作前验证是否使用「overlay2」存储驱动程序设置了 docker。 第 4 步 A：使用 docker CLI 构建 ROCm 容器 clone 并构建容器 gitclonehttps://github.com/RadeonOpenCompute/ROCm-dockercdROCm-docker sudodockerbuild-trocm/rocm-terminalrocm-terminal sudodockerrun-it--device=/dev/kfd--device=/dev/dri--group-addvideorocm/rocm-terminal （可选）第 4 步 B：使用 docker-compose 构建 ROCm 容器 使用 docker-compose clone 和构建容器： gitclonehttps://github.com/RadeonOpenCompute/ROCm-dockercdROCm-docker sudodocker-composerun--rmrocm 第 5 步：验证 ROCm-docker 容器是否成功构建 验证基于工作容器的 ROCm 软件堆栈 在第 2 步和第 3 步之后，应该有一个对正在运行的 docker 容器的 bash 登录提示 hcc --version应该显示 AMD 异构编译器的版本信息 执行示例应用程序 cd /opt/rocm/hsa/sample sudo make ./vector-copy 显示成功创建 GPU 设备、内核编译和成功关闭的文本应该打印至 stdout 参考内容： https://medium.com/tensorflow/amd-rocm-gpu-support-for-tensorflow-33c78cc6a6cf https://github.com/RadeonOpenCompute/ROCm-docker 本文为机器之心报道，转载请联系本公众号获得授权。 ?------------------------------------------------ 加入机器之心（全职记者 / 实习生）：hr@jiqizhixin.com 投稿或寻求报道：content@jiqizhixin.com 广告 & 商务合作：bd@jiqizhixin.com