AMD将机器学习开发拓展到更多Radeon GPU中 并宣布ROCm 6.0将支持深度学习框架ONNX Runtime
AMD继续致力于让研究及开发人员更加便捷地接触到AI人工智能，通过AMD ROCm 6.0开放软件生态系统拓宽了基于客户端的机器学习开发产品。
除了先前已经支持的其他基于AMD RDNA 3架构的GPU—AMD Radeon PRO W7900、Radeon RX 7900 XTX和Radeon RX 7900 XT之外，AMD ROCm 6.0现在还可支持AI研究人员以及机器学习工程师在AMD Radeon Pro W7800和Radeon RX 7900 GRE桌面级GPU上进行开发。
随着对越来越多的硬件产品支持，AMD正在使AI社区能够以多种不同的价格点和性能水平来访问强大的GPU，进而加速其AI工作负载量。
同时，AMD还宣布ROCm 6.0现已支持ONNX Runtime，允许用户在本地AMD硬件上对更加广泛的源数据进行推理，与此同时，还通过使用 AMD 自有的图形推理引擎MIGraphX 增添了INT8数据类型，以用来拓展现有的数据类型（包括FP32和FP16）。
AMD在未来将持续致力于通过逐步增加对硬件和功能的支持，使人工智能对开发人员和研究人员来说更加易于获取和使用。
想要获取更多关于AMD ROCm 6.0的相关内容，请查看AMD的博客。
博客全文：
基于AMD先前宣布的通过AMD ROCm 5.7和PyTorch对Radeon RX 7900 XT、XTX以及Radeon PRO W7900 GPU的支持，现在我们正在通过AMD ROCm 6.0从软、硬件两方面扩展我们基于客户端的机器学习开发产品组合。
首先，AI研究人员和机器学习工程师现在也可在Radeon PRO W7800和Radeon RX 7900 GRE GPU上进行开发。凭借对如此广泛产品组合的支持，AMD正在帮助人工智能社区以更多价位和不同性能级别访问桌面级的显卡。
此外，AMD还通过支持ONNX Runtime来完善堆栈解决方案。ONNX（Open Neural Network Exchange的缩写）是一种用于在不同机器学习框架之间转换人工智能模型的中间机器学习框架。因此，用户现在可以在本地AMD硬件上对更广泛的源数据进行推理。还可通过MIGraphX（AMD自有的图形推理引擎）将INT8添加到可用数据类型中（包括FP32和FP16）
借助AMD ROCm 6.0，我们将继续支持PyTorch框架，将FP32/FP16混合精度引入机器学习训练工作流中。
对于决定开始从事AI工作的任何人来说，这些都是令人兴奋的时刻。适用于AMD Radeon桌面GPU的ROCm对于AI工程师、机器学习研究人员和爱好者来说都是一个绝佳的解决方案，而且它不再是大额预算用户的专属。AMD决心不断扩大硬件支持，并随着时间的推移，为我们的机器学习开发堆栈解决方案增加更多功能。
