某國政客扇扇嘴皮子，CN玩硬件和深度學(xué)習(xí)的圈子里就掀起了一場風(fēng)暴，這就是著名的嘴皮子效應(yīng)（誤）。沒了高性能計算的倒也能理解，但是美利堅這波把禁售了就讓人無語了，所以不少做深度學(xué)習(xí)的老哥都在找替代方案。沒了之后，完全CUDA應(yīng)用就只有上一代的堪用，但是很多朋友不知道，其實AMD的系列民用顯卡也是能做深度學(xué)習(xí)的，而且性能也并不差。而且就在不久之前，AMD的11月和12月驅(qū)動兩次加強了7000系顯卡的深度學(xué)習(xí)能力，也有提升

API在和都有對應(yīng)的AI繪圖整合包，也可以使用或者HIP，同時ROCm在上能夠替代CUDA做或者的GPU加速，算是目前非常有潛力的CUDA替代方案。今天我就來給大家詳細說說如何使用大家手中的A卡，來部署深度學(xué)習(xí)用的ROCm和ONNX，以及如何實現(xiàn)在和上跑AI繪圖！

1、選擇你的系統(tǒng)和環(huán)境

平臺的選擇會決定顯卡用什么樣的方式來運行，因為深度學(xué)習(xí)開發(fā)一般都是使用的，所以Win和上有比較大的區(qū)別。一般玩家肯定是需要來玩游戲的，但是開發(fā)老鳥或許更熟悉一些，因此給大家列出下面這些選項

如果是一般玩家，家里有一張A卡，看著AI繪畫眼饞，可以直接看第二段的入門級教程。

如果是對于開發(fā)比較熟悉的，想要體驗性能比較高的AMD顯卡深度學(xué)習(xí)推理，可以看第三段的 ONNX+，這個也可以用于其他模型的深度學(xué)習(xí)推理。

如果家里有多的硬盤，可以裝雙系統(tǒng)或者直接有多余的主機可以裝的，可以看第四段的 ROCm滿血部署方案，這個可以直接作為開發(fā)平臺使用（優(yōu)先推薦用這個）

這次我用的配置是我一直以來用作輔機的配置，R9 +，但是換了新的內(nèi)存和硬盤，如圖，這個配置我跑AI繪畫和簡單的開發(fā)是沒有問題的，大規(guī)模訓(xùn)練肯定還是優(yōu)先上服務(wù)器

從測試上來看，這仗顯卡實際上有56T單精度浮點的實力，理論上深度學(xué)習(xí)能力應(yīng)該不差，現(xiàn)在ROCm更新之后終于好好優(yōu)化了這幾張頂級的顯卡

2、 AMD GPU AI繪畫教程

這一部分內(nèi)容很簡單，因為ai繪畫目前已經(jīng)有非常多的整合包了，所以直接使用是沒有任何問題的。這里使用的整合包是某站大up秋葉地址的包，具體的使用過程和包的選擇可以查看他的文章，需要根據(jù)自己的平臺和想要的版本來進行選擇。

因為本次使用的平臺是AMD，所以選中的是使用 API的整合包，直接下載之后打開即可。程序會自動檢查更新并且安裝依賴的.Net6.0，整個UI非常整潔易懂

在使用過程之前，還需要一些小設(shè)置，首先是引擎選到GPU上，現(xiàn)在AMD可以直接使用進行AI圖像生成，選自己的顯卡即可。顯存優(yōu)化根據(jù)自己顯卡的顯存來判斷，一般選擇8G優(yōu)化會比較快，其他的就不用更改，一鍵啟動即可開始AI繪畫

可以看到生成過程中，顯卡實際上使用最多就是自己的張量核心，不過可惜的是目前并不能獲取滿血的性能，需要更高性能的話需要或者使用

3、 AMD GPU ONNX+使用教程

ONNX即是Open ，是為了適應(yīng)多種不同的深度學(xué)習(xí)框架而產(chǎn)生的一種通用性深度學(xué)習(xí)框架，可以處理、以及等一系列不同的模型文件并獲得ONNX模型。獲得ONNX模型之后就可以使用的ML進行加速了，而AMD與微軟一起維護了一個的優(yōu)化方法，這個方法可以將GPU原本的調(diào)用方法改為使用ONNX+，從而大幅度提高性能

部署方法也不難，首先第一步是安裝環(huán)境，我推薦使用，也可以，用的GUI會更方便一些。打開的.exe，分步執(zhí)行下面這些命令，即可完成安裝

-n onnx =3.11

onnx

pip set .-url

pip -ai[gpu]

然后需要安裝一個git，這個熟悉代碼的朋友應(yīng)該都知道，我這里就不具體講述怎么安裝了，安裝之后重啟，然后繼續(xù)進入中onnx環(huán)境的.exe，考慮到大部分網(wǎng)友都在本地，所以比官方教程多了換源的步驟

git -- url."". ""

git

cd ---

git --init --

pip ==0.24.1

.bat --onnx -- -- full --no-half

接下來就進入的是帶有onnx的 ，在選項卡中選擇 with 即可獲取一個經(jīng)過優(yōu)化的模型，在最上方的選項卡中選擇這個模型，即可加速AI繪畫過程了

性能對比

經(jīng)過測試，這樣的方法能把AI繪畫的速度提升到原來的三倍左右，但是仍然不是完全體。使用的大小進行測試，使用DPM++ SDE 采樣方法，可以看到，在9月的驅(qū)動中，直接使用的話只有1.11次迭代這樣的速度，也就是畫圖一張圖20次迭代需要18s左右，如果使用新的12.1驅(qū)動，的性能暴漲到了3.58，畫圖僅需要不到6s，有超過3倍的提升。如果進一步使用提升速度，則能達到10.71，2s一張出圖速度已經(jīng)非常快了

但這仍然不是AMD深度學(xué)習(xí)的極限，ROCm目前可以做到完全釋放顯卡的性能，在簡單的深度學(xué)習(xí)開發(fā)上基本能和CUDA平起平坐，也是我最為推薦的一種方式，下面一個章節(jié)我來詳細介紹一下如何安裝部署一個基于ROCm的深度學(xué)習(xí)環(huán)境，并且實現(xiàn)

4、 AMD ROCm部署

隨著AMD不懈努力，AMD的ROCm on 終于形成了一個還不錯的環(huán)境，是目前僅次于CUDA的一種深度學(xué)習(xí)API了。而且ROCm在以及中的使用方法仍然呼做cuda，所以很多代碼是不用更改就能換成ROCm來使用的。而且ROCm有自己的-dkms管理，安裝上比起一言不合就not 的cuda要穩(wěn)定不少，所以我個人是非常推薦目前有A卡的朋友在做開發(fā)的過程中使用ROCm作為CUDA的平替

ROCm的部署過程也不復(fù)雜，我這里就手把手的來教大家用一下。因為7000系顯卡是最新支持的，AMD把這些顯卡的應(yīng)用內(nèi)核版本限制到了22.04的上以便，所以首先我們需要準備的是.04.3版本的系統(tǒng)，可以直接官網(wǎng)下載，具體安裝過程我就不贅述了，網(wǎng)上的教程已經(jīng)非常豐富

開機第一步，使用apt命令對源以及包進行一次更新，然后確認內(nèi)核版本是否為ROCm所支持的（目前LTS版本是一定支持的，這一步可以省略），然后安裝一些一定會用到的應(yīng)用，比如curl git 和vim這些

sudo apt

sudo apt curl vim ++-12-dev -

-a （檢查版本用）

按照AMD官方的指引一步一步地安裝ROCm，一般來說使用是最方便的安裝方法，我這里推薦使用5.7版本的ROCm，使用官方的dkms來安裝管理這個系統(tǒng)。分步執(zhí)行下面這些命令，即可安裝ROCm。這些包非常大，所以建議耐心等待或者使用更流暢的網(wǎng)絡(luò)

curl -0 ... 5.7.-.deb

sudo apt ./-.7.-.deb

sudo - --=,rocm

sudo -aG $USER

sudo -aG $USER

sudo (重啟之后才能看到rocm安裝好沒有)

重啟之后，再次打開，就能使用命令以及rocm-smi對硬件進行監(jiān)測了。可以看到ROCM支持的設(shè)備一共有三個，分別是CPU、和核顯

-n .5 rocm-smi

下一步需要安裝或者，這個我就不細說了，網(wǎng)上教程非常多。安裝之后重啟，然后對進行換源，并且創(chuàng)建一個針對ROCm的新環(huán)境，我這里命名為，大家可以自行更改。隨后，進入這個環(huán)境，更換pip的源，安裝深度學(xué)習(xí)所需要的包，這個包也是 所需要的。有兩種方案，一種是安裝穩(wěn)定版的，一種是安裝版的，我使用的是版，也是可以自行選擇其中之一

--add

--add

--add

-n =3.11

pip3 set .-url

（安裝穩(wěn)定版）pip3 ---url

（或者安裝預(yù)覽版）pip3 --pre ---url

到此為止，這個環(huán)境就已經(jīng)可以使用對代碼進行調(diào)試開發(fā)了，rocm的呼喚方法和cuda是一樣的，不用特意修改代碼

需要 的話，下面就可以使用git 對 進行下載，用pip安裝依賴。安裝好之后就能進行試運行了，試運行的目的是為了檢查代碼是否能跑通，否則用bash是跑不起來的

git -- url."". ""

git

cd --

pip -r .txt

= .py -- --

可以看到這里有一個錯誤，這個錯誤是因為年久失修沒有跟上版本導(dǎo)致的，所以我們需要根據(jù)自己環(huán)境地址，對這個文件進行修改

使用vim命令修改文件，改成如下的格式

sudo vim ~//envs//lib/.11/site-//data/.py

下面繼續(xù)進行測試，一般不會出現(xiàn)報錯了，如有報錯可以在評論區(qū)交流。但是如果網(wǎng)絡(luò)不佳會出現(xiàn)如下這種下載不了與訓(xùn)練模型的情況，這個情況是非常好解決的，目前網(wǎng)絡(luò)中SD的預(yù)訓(xùn)練模型很多，下載一個喜歡的放一個進去就行，~/--//-/，如果之前操作了win上的整合包，那么要做的就是直接把整個文件復(fù)制過去！非常方便快捷

下面就能啟動模型畫圖了，我這里提供一個便捷的啟動腳本和命令。其中有一些需要自己修改，比如，你的顯卡是7000系的，就用11.0.0，如果是上一代或者上上代就用10.3.0

cat < ~/--/.sh

#!/bin/sh

# to your GPU: use 11.0.0; use 10.3.0

SION=11.0.0

# HIP to your GPU node: GPU:0, iGPU:1

=0

NF=:0.8,:512

.py -- --opt--- ----- --no-half-vae

EOF

然后使用下面這個命令在任意時候都能打開SD服務(wù)，如果家在模型完成（出現(xiàn) ），打開本地的0.0.0.0:7860就能使用了

sd && cd ~/-- && bash .sh

大模型+高顯存+大圖片會讓迭代速度下降很多，不過在相同的環(huán)境下使用SD的話，/s的速度可以說是吊著上任意方式打的

的圖片分辨率不夠的話可以提升到，迭代速度大概4it/s，只要顯存夠，那么迭代速度只根據(jù)圖像大小線性下降，倒也是能接受的

這樣的環(huán)境是可以進行深度學(xué)習(xí)開發(fā)的，除了系統(tǒng)中指定顯卡和版本的語句不一樣之外，在中的使用和CUDA是完全一致的，所以我認為目前ROCm在簡單的深度學(xué)習(xí)開發(fā)上，基本可以做到替代CUDA了

5、硬件介紹

本文使用的CPU和主板是AMD R9 + -，性能充沛，且內(nèi)存適配也不錯，比如這詞用的內(nèi)存就是的，可以直接EXPO ii開機，如果要部署工作站或者開發(fā)機的話，也可以選擇R9 7900

顯卡用的是藍寶石的超白金，這張顯卡是目前藍寶石最好的型號，玩游戲基本可以暢玩4K，做深度學(xué)習(xí)也有20GB的顯存，而且價格比低不少，而且散熱不錯，個人很喜歡

內(nèi)存和硬盤是金士頓的 16x2和，最近硬盤即將漲價，需要買硬盤的朋友得趕緊了。金士頓的高頻燈條造型做得確實非常不錯，燈光也可以同步，頻率高而且穩(wěn)定，在上也能直接EXPO開機，我覺得是目前比較值得買的高頻DDR5內(nèi)存

電源是海韻的新 ，在經(jīng)過多次改良之后，海運的新版不僅標準符合了ATX3.0標準，而且也支持接口，面對新的顯卡也毫無壓力

純白色的造型并且還送一套壓紋線，直接免去了定制線的需求，而且這個線還挺軟，走線也沒什么壓力，用起來很舒服

總結(jié)

很多朋友都覺得買了AMD就和深度學(xué)習(xí)絕緣了，其實并不然，AMD現(xiàn)在不僅在上有ROCm，在Win上使用加速之后，進行模型推理也并不慢。而AI繪畫這個原本只有頂級顯卡才能跑的項目，現(xiàn)在經(jīng)過層層優(yōu)化，也能輕松部署在家用顯卡上了。對AI繪畫感興趣的朋友可以趕緊用手上的顯卡嘗試一下，畢竟現(xiàn)在AMD顯卡是真不貴，對比一下某禁售的4090，就只要三分之一的價格就能買到次旗艦我是真覺得不虧

這張顯卡我是比較推薦的，一來沒有旗艦卡那種維持門面的價格，也不用把頻率調(diào)校得離譜高，二來這卡用的又是旗艦散熱，讓顯卡的散熱爽到飛起，完全不用擔(dān)心熱量壓力。而且性能和顯存完全夠用，進可暢爽玩AI，退可暢爽打游戲，非常理想

感謝大家圍觀！

腳本按著10.3.0來改可以試試

直接用整合包就能跑的

好的，真心感謝花了這么多心思，手把手地教大家在下面去配置。因為工作的關(guān)系，我告別了選擇了，所以只有A卡可以使用，而A卡無論在或者下，在AIGC領(lǐng)域似乎無法發(fā)揮最大功效，對完全不了解然后一直沒有邁出這一步。有了這個詳細的技術(shù)貼，我決定勇敢邁出那一步。

請問：相應(yīng)的版本對其它硬件有什么要求嗎？非AMD的cpu可以嗎？目前我這邊用的是i7-7440的老U，B110的老主板