Ultralytics YOLOとROCmによるAMD GPUトレーニング#

Ultralyticsは、PyTorch ROCmを通じて、互換性のあるAMD GPUでのトレーニング、検証、推論をサポートしています。PyTorchは、CUDAで使用されるものと同じtorch.cuda Python APIを通じてROCmデバイスを意図的に公開しているため、UltralyticsではネイティブPyTorchモデル用に別のrocmデバイスタイプを用意する必要がありません。ROCm版のPyTorchをインストールし、標準のdevice=0またはdevice=cuda:0構文でAMD GPUを選択してください。

AMDは、PyTorch ROCmとは別の推論テクノロジーも提供しています。1つのAMD製品をサポートしているからといって、すべてのAMDランタイムやアクセラレーターをサポートしているとは限りません。

サポート概要#

この表では、トレーニング、検証、エクスポート、予測に使用するUltralytics Pythonパッケージについて説明します。

ROCmがCUDAのデバイス名を使用する理由#

PyTorchのROCmビルドは内部でHIPを使用しますが、意図的にtorch.cudaインターフェースを再利用しています。たとえば、torch.cuda.is_available()、torch.cuda.device_count()、torch.cuda.get_device_name()は、サポート対象のAMD GPUで動作します。この設計により、重複したバックエンドを用意せずに、同じUltralyticsトレーニングパスでNVIDIA CUDAとAMD ROCmの両方に対応できます。

詳細については、公式のPyTorch HIPセマンティクスを参照してください。

PyTorch ROCmのインストール#

1. オペレーティングシステムとGPUがROCm互換性マトリックスに記載されていることを確認してください。

2. PyTorchインストールセレクターを使用して、インストール済みのROCmバージョンに一致するROCmビルドを選択してください。

3. PyTorchの後にUltralyticsをインストールします。

   pip install ultralytics

4. PyTorchがAMD GPUを認識していることを確認します。

   import torch
   
   print(torch.cuda.is_available())
   print(torch.cuda.get_device_name(0))
   print(torch.version.hip)

torch.cuda.is_available()はTrueを返し、デバイス名にはAMD GPUが識別され、torch.version.hipにはROCmビルドが提供するHIPバージョンが表示されます。

AMD GPUでトレーニングする#

標準のUltralytics Trainモードと同じデバイス引数を使用してください。

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# Train on the first AMD GPU exposed by PyTorch ROCm
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)

# Train across two AMD GPUs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=[0, 1])

検証と予測では、同じデバイス選択を使用します。

yolo detect val model=path/to/best.pt data=coco8.yaml device=0
yolo predict model=path/to/best.pt source=path/to/image.jpg device=0

AMPの互換性#

UltralyticsはデフォルトでAMPを有効にし、トレーニング前にフル精度と混合精度の結果を比較します。チェックで互換性のない結果が検出された場合、NaN損失やmAPがゼロのトレーニングを防ぐためにAMPは無効になります。ROCmのAMP動作はPyTorchとROCmのバージョンによって変わる可能性があるため、スタック固有の障害をトラブルシューティングする際はamp=Falseを使用してください。

yolo detect train data=coco8.yaml model=yolo26n.pt device=0 amp=False

まだサポートされていない機能#

MIGraphX#

MIGraphXは、AMDのグラフ最適化および推論ランタイムです。現在のUltralytics Pythonパッケージには、MIGraphXモデルのネイティブ読み込みは含まれていません。実装、AMDコンテナ、依存関係、テスト、ドキュメントは、PR #24137でまとめて追跡されています。この作業がマージされ、AMDハードウェアでの検証を受けるまでは、ONNXモデルのエクスポートをPythonパッケージのネイティブMIGraphXサポートとして説明しないでください。

DirectML#

Ultralytics Pythonパッケージには、Windowsでのトレーニングまたは予測用のDirectMLバックエンドはありません。DirectMLはROCmとは異なるため、ROCm環境が動作していてもdevice=directmlは有効になりません。

Ryzen AI NPU#

Ryzen AI NPUはPyTorch ROCmを通じて公開されず、ネイティブのUltralyticsデバイスでもありません。コミュニティのワークフローでは、YOLOモデルをONNXにエクスポートし、AMDの外部Ryzen AIまたはVitis AIツールで実行する場合がありますが、そのランタイム、変換、ハードウェア互換性は、サポート対象のUltralytics実行パスの範囲外です。

まとめ#

サポート対象のAMD GPUでトレーニング、検証、推論を行うには、互換性のあるPyTorch ROCmビルドとdevice=0またはdevice=cuda:0を使用してください。MIGraphX、DirectML、Ryzen AI NPUは別個の機能として扱ってください。ROCmをインストールしたりONNXモデルをエクスポートしたりするだけで、これらのいずれかが有効になることはありません。

FAQ#