人工智能培训

搜索

人工智能技术:业界 | AMD的GPU现在可以加速TensorFlow深度学习了

[复制链接]
sss1354 发表于 2018-8-29 13:47:08 | 显示全部楼层 |阅读模式
sss1354 2018-8-29 13:47:08 483 0 显示全部楼层
原标题: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。
GYIAwNyWY5muumO5.jpg
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
uFQkdKoL1Lqq00l1.jpg
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:http://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:http://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, 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: //repo.radeon.com/rocm/apt/debian/rocm.gpg.key | sudo apt-key add -echo deb [arch=amd64] http://repo.radeon.com/rocm/apt/debian/ xenial main | sudo tee /etc/apt/sources.list.d/rocm.list
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
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 | grep kfd
在屏幕上打出的内容应该如下:
amdkfd 2703364
amd_iommu_v2 204801amdkfd
amdkcl 245763amdttm,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 -sSL https: //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
sudo docker info
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=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
X8DYg2yUx2eXgXX8.jpg


  • clone 并构建容器
git clone https: //github.com/RadeonOpenCompute/ROCm-dockercd ROCm-docker 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
(可选)第 4 步 B:使用 docker-compose 构建 ROCm 容器
M26SY5mX9X9s1M1M.jpg


  • 使用 docker-compose clone 和构建容器:
git clone https: //github.com/RadeonOpenCompute/ROCm-dockercd ROCm-docker
sudo docker-compose run --rm rocm
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:
http://medium.com/tensorflow/amd-rocm-gpu-support-for-tensorflow-33c78cc6a6cf
http://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。返回搜狐,查看更多
      责任编辑:
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则 返回列表 发新帖

sss1354当前离线
新手上路

查看:483 | 回复:0

快速回复 返回顶部 返回列表