时至今日,rocm开放式的平台不断发展,囊括的深度学习,多元从业开发,研究及科学家通过最新发布的miopen库获得支持机器学习.
工作负载的常用框架,更多的人能够在加速系统上运行深度学习工作负载,且不限于,图像和视频检测,自动驾驶,机器人。
如Tensorflow和pytorch得于rocm不断开发且支持机器学习框架,来加速优化工作负载,从而到全面的MIVSIONX计算机视觉和机器智能库的程序和应用.
更甚在ROCM上的高性能计算(hpc) 高性能计算工作负载有:分子动力学(药物研制与设计) 计算化学(化学与生物识别|核、物理和蛋白质化学)石油和天然气(逆时偏移)完胜进入计算科学新境界;
①而用于GPU加速的高性能计算编程模型:OpenMP 在多节点部署种计算负载转移给 GPU 且是ROCM支持通过OpenMP API使用pragma转移负载目标指令。
②HIP 可移植异构计算接口C++编程模型,gpu实现负载高度优化,HIPIFY工具将DUDA代码转化成HIP从而针对性驾予DUDA环境的代码编译,而标准库将以基础架构LLVM编译器和LIBC++
③OpenCL 接纳开放标准的ROCM异构系统并行编程
④Python 带有NUMBA的Anaconda而此类编程语言用于打规模数据分析解决处理科学和工程问题。
而最终ROC给我们带来优化库包括了 BLAS、FFT、RNG、SPARSE、NCCL(RCCL)和Eigen 期待Amd在加速器上的运行更出色功能的性能计算程序代码。