Secondo quanto annunciato da uno dei maggiori produttori di schede video, ossia AMD, siamo venuti a conoscenza di notizie certamente interessanti. L’azienda arancione ha compiuto uno sforzo significativo per promuovere l’“AI su Radeon”, dato che l’azienda ha ora introdotto il supporto per lo sviluppo ML sulle architetture RDNA 3 nell’ultimo aggiornamento di ROCm. Ora AMD ha fatto un grande sforzo, espandendo il supporto per i carichi di lavoro AI/ML in modo che possano essere eseguiti su GPU RDNA 3 per Linux 24.10.3 e ROCm 6.1.3. È interessante notare che questo cambiamento era stato anticipato mesi fa, in seguito agli aggiornamenti iniziali di AMD, di cui abbiamo parlato in un precedente articolo.
Team Red afferma che i ricercatori e gli sviluppatori che lavorano su ambienti come PyTorch, ONNX Runtime o TensorFlow possono ora sfruttare la nuovissima ROCm 6.1.3 su Linux, consentendo loro di sfruttare le prestazioni delle GPU della serie Radeon RX 7000 di AMD o delle GPU della serie Radeon W7000 per i rispettivi casi d’uso. L’azienda afferma che una soluzione basata sull’architettura RDNA 3 è conveniente e fornisce un sistema localizzato, eliminando quindi tutti i difetti presenti in un servizio basato su cloud. Ecco come AMD presenta tale cambiamento:
Più prestazioni di ML per il vostro desktop:
Poiché i modelli odierni superano facilmente le capacità dell’hardware standard e del software non progettato per l’IA, gli ingegneri di ML sono alla ricerca di soluzioni economicamente vantaggiose per sviluppare e addestrare le loro applicazioni basate su ML. Grazie alla disponibilità di memorie GPU significativamente grandi, da 24GB o 48GB, l’utilizzo di un PC o di una workstation locale equipaggiata con le più recenti GPU AMD Radeon 7000 Series di fascia alta offre un’opzione robusta e potente, ma al tempo stesso economica, per affrontare le sfide del flusso di lavoro ML in espansione.
Le più recenti GPU AMD Radeon serie 7000 di fascia alta sono costruite sull’architettura GPU RDNA 3, offrono prestazioni AI per unità di calcolo (CU) superiori di oltre due volte rispetto alla generazione precedente
ora sono disponibili fino a 192 acceleratori AIoffre fino a 24GB o 48GB di memoria GPU per gestire modelli ML di grandi dimensioni.
