Quais são as outras alternativas para a GPU NVIDIA para o aprendizado de máquinas?

O suporte da GPGPU para o aprendizado da máquina é atualmente inconsistente, mas o suporte a não NVIDIA está aumentando rapidamente.

Se você tem uma placa AMD, você'está com sorte para o futuro. Confira a plataforma ROCm da AMD're, que atualmente suporta algumas das principais bibliotecas de aprendizado de máquina como TensorFlow e PyTorch. A AMD tem planos para expandir a plataforma, então fique de olho no ROCm! I'irá ligar ao site deles[1] nas notas de rodapé se você'estiver interessado.

Independentemente da sua GPU ou CPU, você provavelmente pode acelerar a sua carga de trabalho usando PlaidML. Sua plataforma é open-source, bem suportada e fácil de usar. Ela suporta Onyx, nGraph e apenas modelos Keras / TensorFlow; o único requisito é uma GPU que suporte OpenCL 1.2 no mínimo.

Se você tiver uma placa NVIDIA deste lado de 2005, você'está pronto para ir, pois OpenCL vem com seus drivers NVIDIA. As placas AMD, alguns núcleos gráficos baseados em ARM, e até a maioria dos gráficos Intel integrados funcionam com PlaidML. O que's mais, eles'lhe darão alguns resultados impressionantes, a par do que você'obterá da plataforma CuDNN da NVIDIA's. O PlaidML continuará a crescer em performance e em suporte a GPU, então espere resultados decentes de qualquer hardware que você jogue nele nos próximos anos.

I'ligar-se-á ao PlaidML's página[2] abaixo, e recomendo vivamente a plataforma a qualquer pessoa que trabalhe em Python - uma instalação de pip, um assistente de configuração de três perguntas e uma única linha de código no seu modelo Keras ou TensorFlow irá oferecer algumas velocidades impressionantes, e você não'não tem de tocar numa única parte da cadeia de ferramentas NVIDIA. Feliz modelagem!

-Adam

p>Footnotes[1] https://www.amd.com/en/graphics/servers-solutions-rocm[2] plaidml/plaidml