已经是2021下半年了，AMD显卡（ROCm）对深度学习的支持到底怎么样了？ 第1页

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。