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

Ultralyticsは、PyTorch ROCmを通じて、対応する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、ROCmデバイスをCUDAと同じtorch.cuda Python APIで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はありません。PyTorchのROCmビルドをインストールし、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。AMD製品の1つがサポートされていても、すべてのAMDランタイムやアクセラレータがサポートされるわけではありません。

サポート状況の概要#

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インターフェイ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、対応するAMD GPUで動作します。この設計により、重複するバックエンドを用意せず、同じUltralyticsのトレーニング経路でNVIDIA CUDAとAMD ROCmの両方に対応できます。

詳細は、公式のPyTorch HIPセマンティクスをご覧ください。

PyTorch ROCmをインストールする#

1. ご使用の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バージョンに合った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を返す必要があります。デバイス名にAMD GPUが表示され、torch.version.hipにはROCmビルドが提供するHIPの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")

# PyTorch ROCmで認識される最初のAMD GPUでトレーニングする
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)

# 2台のAMD GPUを使用してトレーニングする
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ではAMPがデフォルトで有効になっており、トレーニング前に単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ると、NaNの損失やmAPがゼロのトレーニングを防ぐため、AMPは無効になります。ROCmのAMPの動作はPyTorchとROCmのバージョンによって異なる場合があるため、スタック固有の問題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

現時点で未対応の機能#

MIGraphX#

MIGraphXは、AMDのグラフ最適化および推論ランタイムです。ネイティブのMIGraphXモデル読み込みは、現在のUltralytics Pythonパッケージに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が完了するまでは、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に使用するDirectMLバックエンドはありません。DirectMLはROCmとは異なるため、ROCm環境が正常に動作していてもdevice=directmlは有効になりません。

Ryzen AI NPU#

Ryzen AI NPUはPyTorch ROCmでは認識されず、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実行経路には含まれません。

まとめ#

対応する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はそれぞれ別の機能として扱ってください。ROCmのインストールやONNXモデルのエクスポートだけで、これらが有効になることはありません。

よくある質問#