Когда я собирал свой компьютер, я был очень взволнован и накачан шумихой. Я заказал все компоненты в местном магазине и, пока партия не прибыла, я думал, что взорвусь от ажиотажа. Моими главными целями были поиграть в старые игры и заняться машинным обучением. К сожалению, я мало знал, что графические процессоры AMD не поддерживают CUDA. Вся эта шумиха смылась еще до того, как я это понял. Затем возникла нехватка графического процессора, и я не смог найти приличный графический процессор для переключения. В общем, на данный момент я застрял со своим старым добрым AMD Rx 570 4 ГБ.
Тем не менее, я не мог отказаться от ML, и игры на GPU AMD выглядят намного круче, чем на Nvidia. А ведь эй! AMD дешевая, как и дешевая. Кто я такой, чтобы жаловаться? Тем не менее, я искал альтернативы для CUDA, и как пользователь, использующий Windows в качестве своей примитивной ОС, мне пришлось выполнить двойную загрузку ОС Linux и установить ROCm. Для меня это была настоящая головная боль. Поскольку я был так хорошо знаком с Windows и их GIU, мне было довольно трудно ладить с Ubuntu. Когда я говорю «Установить», это не просто нажатие следующей кнопки, пока что-то не произойдет, как вы делаете в Windows. Вы должны найти правильный репозиторий и найти другие репозитории, которые соответствуют этому, и так далее и тому подобное. Например, ML использует Tensorflow, верно? Знаете ли вы, что у TF были разные версии, такие как версия CPU, версия GPU, а также версия TPU? И что еще хуже, с какого-то момента их репозитории не поддерживают ROCm (пока нет), и что печально, у них есть эта система контроля версий, где они называют свои пакеты кучей десятичных знаков и, да, вы должны ввести каждый из них в терминал один за другим.
Я использовал OpenCL в качестве бэкэнда и ROCm в качестве API, что было отличной альтернативой CUDA. И результаты были довольно удивительными. Тем не менее, я не хотел постоянно зависать с Ubuntu, пока все мои любимые программы находятся в моей Windows. Итак, я снова искал альтернативу. И вот тогда я нашел Google Colab. Я знаю, что опаздываю на вечеринку, но эй! Это впечатляет, правда? Что еще более уникально в Colab, так это то, что у него есть процессоры и графические процессоры, а также TPU! Только что разобрался со свежими MXU и VPU. В то время как VPU великолепно справляется с вычислениями с плавающей запятой 32 и int 32, MXU справляется со всеми ними, 16–32-битными форматами с плавающей запятой «смешанной точности»! Разве это не просто удивительно?!
Итак, я хочу сказать, зачем тратить все больше и больше денег на модернизацию вашей установки, если вы можете получить доступ ко всему этому в облаке? Если у вас есть графический процессор AMD, который не совместим с CUDA, у вас есть два метода. Переключитесь на Linux, установите ROCm и сопоставьте все версии PyTorch, версии TF Nightly и еще много чего. И это трудный путь. Или просто откройте браузер и отправляйтесь в Google Colab, где вы можете бесплатно получить значительный ПК и, конечно же, обновить свой облачный компьютер по очень разумной цене.
