PyTorch தான் டீப் லேர்னிங்கிற்கான முதன்மையான கட்டமைப்பு (framework), மேலும் AMD
வன்பொருளில் அது ROCm மூலம் இயங்குகிறது. ROCm நிறுவப்பட்டவுடன்,
Radeon GPU இல் PyTorch ஐ வேலை செய்ய வைப்பது ஒரு pip install மட்டுமே.
நான் இதை Radeon RX 6800M (gfx1031, RDNA2) இல் ROCm 7.14 மற்றும் Ubuntu 26.04 உடன் சோதித்தேன் – கீழே உள்ள சரியான கட்டளைகள் தான் வேலை செய்தவை. இதே செயல்முறை மற்ற RDNA2/RDNA3 கார்டுகளுக்கும் பொருந்தும்; நிறுவல் கட்டளையில் gfx இலக்கை மட்டும் மாற்றுங்கள்.
முன்நிபந்தனைகள்
-
ROCm நிறுவப்பட்டு சரிபார்க்கப்பட்டது – இதை இன்னும் செய்யவில்லை
என்றால், எங்கள் Radeon GPU களுக்காக Ubuntu இல்
ROCm நிறுவுதல் வழிகாட்டியை முதலில் பின்பற்றவும், மேலும்
rocminfoஉங்கள் GPU ஐக் காட்டுகிறது என்பதை உறுதிப்படுத்தவும். - Python 3.11, 3.12, 3.13, அல்லது 3.14 நிறுவப்பட்டிருக்க வேண்டும்.
- உங்கள் GPU இன்
gfxகட்டமைப்பு (எ.கா. RX 6800M க்கு gfx1031).
படி 1 – மெய்நிகர் சூழலை உருவாக்கவும்
PyTorch ஐ எப்போதும் புதிய மெய்நிகர் சூழலில் நிறுவுங்கள், இதனால் அது சிஸ்டம் பேக்கேஜ்கள் அல்லது மற்ற Python திட்டங்களுடன் ஒருபோதும் மோதாது:
python3.12 -m venv .venv
உங்களிடம் உள்ள எந்த Python பதிப்பையும் பயன்படுத்துங்கள் – python3.11,
python3.13, அல்லது python3.14 அனைத்தும் வேலை செய்யும். இது
உங்கள் தற்போதைய கோப்பகத்தில் .venv என்ற கோப்புறையை உருவாக்குகிறது.
படி 2 – சூழலைச் செயல்படுத்தவும்
python மற்றும் pip venv ஐ சுட்டும் வகையில் அதைச்
செயல்படுத்தவும்:
source .venv/bin/activate
ப்ராம்ப்ட் தொடக்கத்தில் (.venv) காட்டும்போது அது வேலை செய்தது என்று
தெரிந்துகொள்வீர்கள்.
படி 3 – ROCm ஆதரவுடன் PyTorch நிறுவவும்
AMD இன் wheel களஞ்சியத்திலிருந்து ROCm-செயல்படுத்தப்பட்ட PyTorch, torchvision, மற்றும்
torchaudio ஐ நிறுவவும். உங்கள் GPU இன் device-gfx இலக்கைப் பயன்படுத்தவும் –
RX 6800M க்கு அது device-gfx1031:
python -m pip install --index-url https://repo.amd.com/rocm/whl-multi-arch/ \
"torch[device-gfx1031]==2.12.0+rocm7.14.0" \
"torchvision[device-gfx1031]==0.27.0+rocm7.14.0" \
"torchaudio==2.11.0+rocm7.14.0"
சில குறிப்புகள்:
-
[device-gfx1031]எக்ஸ்ட்ரா, உங்கள் சரியான GPU கட்டமைப்பிற்காக மேம்படுத்தப்பட்ட ROCm நூலகங்களை இழுக்கிறது – அதைத் தவிர்க்காதீர்கள். -
மற்ற கார்டுகளுக்கு, இலக்கை மாற்றவும்: gfx1030 (RX 6800/6700 XT), gfx1100 (RX 7900
XTX), மற்றும் பல. அல்லது அனைத்து கட்டமைப்புகளுக்கும் ஒரே நேரத்தில் ஆதரவு வேண்டுமானால்
[device-all]பயன்படுத்தவும் (பெரிய பதிவிறக்கம்). -
+rocm7.14.0பதிப்பு டேக் உங்கள் நிறுவிய ROCm பதிப்புடன் பொருந்த வேண்டும்.
pip சார்புகளைத் தீர்ப்பதில் சிக்கல் என்று சொன்னால், venv செயலில் இருப்பதையும்,
--index-url https://repo.amd.com/rocm/whl-multi-arch/ ஐ அனுப்புவதையும்
உறுதி செய்யுங்கள் – ROCm பில்டுகளை AMD வெளியிடும் களஞ்சியம் அதுவே.
படி 4 – GPU கண்டறியப்பட்டதைச் சரிபார்க்கவும்
PyTorch உங்கள் AMD GPU வைப் பார்க்கிறது என்பதை உறுதிப்படுத்த இந்த ஒரு-வரி கட்டளையை இயக்கவும்:
python -c "import torch; print(torch.cuda.is_available())"
PyTorch மற்றும் ROCm சரியாக நிறுவப்பட்டு உங்கள் AMD GPU கண்டறியப்பட்டால் அது
True என அச்சிடும். (ஆம், API இல் அது cuda தான் – PyTorch
ROCm க்கும் அதே இடைமுகத்தை வைத்துள்ளது, எனவே குறியீடு எடுத்துச் செல்லக்கூடியது.)
நீங்கள் மேலும் சென்று சாதனத்தின் பெயரைச் சரிபார்க்கலாம்:
python -c "import torch; print(torch.cuda.get_device_name(0))"
RX 6800M இல் இது AMD Radeon RX 6800M போன்று ஏதாவது புகாரளிக்கும்.
அடுத்து என்ன?
ROCm இல் PyTorch இயங்குவதால் நீங்கள் இவற்றைச் செய்யலாம்:
- முழு GPU முடுக்கத்துடன் மாடல்களைப் பயிற்றுவிக்கவும், அனுமானத்தை இயக்கவும்
- LLM களை உள்ளூரில் இயக்கவும் – Hugging Face Transformers, text-generation-webui, மற்றும் ஒத்த கருவிகள் ஆயத்தமாக வேலை செய்கின்றன
- பட மாடல்களுக்கு torchvision, ஆடியோ குழாய்களுக்கு torchaudio பயன்படுத்தவும்
உங்களுக்குத் தேவைப்பட்டால் அதிகாரப்பூர்வ வழிகாட்டியில் கூடுதல் விவரம் உள்ளது: ROCm க்கான PyTorch ஐ நிறுவுங்கள் – AMD AI ecosystem ஆவணங்கள்.