Link to this sectionОбучение на AMD GPU с Ultralytics YOLO и ROCm#

Ultralytics поддерживает обучение, валидацию и инференс на совместимых AMD GPU с помощью PyTorch ROCm. PyTorch намеренно предоставляет доступ к устройствам ROCm через тот же Python API torch.cuda, который используется для CUDA, поэтому для нативных моделей PyTorch Ultralytics не требует отдельного типа устройств rocm. Установи затем сборку PyTorch с поддержкой ROCm и выбери AMD GPU со стандартным синтаксисом device=0 или device=cuda:0.

AMD также предлагает технологии инференса, которые не связаны с PyTorch ROCm. Поддержка одного продукта AMD не означает поддержку любой среды выполнения или ускорителя AMD.

Link to this sectionСводка поддержки#

В этой таблице описывается пакет Ultralytics Python, используемый для обучения, валидации, экспорта и предсказания.

Link to this sectionПочему в ROCm используются имена устройств CUDA#

Сборка PyTorch для ROCm использует HIP внутри, но намеренно повторно задействует интерфейсы torch.cuda. Например, torch.cuda.is_available(), torch.cuda.device_count() и torch.cuda.get_device_name() работают с поддерживаемыми AMD GPU. Такая архитектура позволяет использовать один и тот же пайплайн обучения Ultralytics как для NVIDIA CUDA, так и для AMD ROCm без дублирования бэкенда.

Подробности см. в официальной документации Семантика HIP в PyTorch.

Link to this sectionУстанови PyTorch ROCm#

1. Убедись, что твоя операционная система и GPU указаны в матрице совместимости ROCm.

2. Используй инструмент выбора установки PyTorch, чтобы выбрать сборку ROCm, соответствующую твоей установленной версии ROCm.

3. Установи Ultralytics после PyTorch:

   pip install ultralytics

4. Убедись, что PyTorch видит AMD GPU:

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

torch.cuda.is_available() должен возвращать True, имя устройства должно соответствовать твоему AMD GPU, а torch.version.hip должен сообщать версию HIP, предоставляемую сборкой ROCm.

Link to this sectionОбучение на AMD GPU#

Используй те же аргументы устройства, что и для стандартного режима обучения Ultralytics.

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])

Валидация и предсказание используют тот же выбор устройств:

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

Link to this sectionСовместимость с AMP#

Ultralytics включает AMP по умолчанию и перед началом обучения сравнивает результаты с полной и со смешанной точностью. Если проверка обнаруживает несовместимые результаты, AMP отключается во избежание появления NaN-потерь или обучения с нулевым mAP. Поведение AMP в ROCm может меняться в зависимости от версий PyTorch и ROCm, поэтому используй amp=False при устранении неполадок, специфичных для твоего стека:

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

Link to this sectionПока не поддерживаемые функции#

Link to this sectionMIGraphX#

MIGraphX — это среда выполнения AMD для оптимизации графов и инференса. Нативная загрузка моделей MIGraphX не входит в текущий пакет Ultralytics Python. Активная реализация, контейнер AMD, зависимости, тесты и документация отслеживаются совместно в PR #24137. До тех пор пока эта работа не будет слита в ветку и не пройдет проверку на оборудовании AMD, экспорт модели ONNX не следует называть нативной поддержкой MIGraphX в пакете Python.

Link to this sectionDirectML#

Пакет Ultralytics Python не имеет бэкенда DirectML для обучения или предсказания в Windows. DirectML отличается от ROCm, и рабочая среда ROCm не включает параметр device=directml.

Link to this sectionRyzen AI NPU#

Ryzen AI NPU не экспонируются через PyTorch ROCm и не являются нативными устройствами Ultralytics. Сторонние рабочие процессы могут экспортировать модели YOLO в ONNX и запускать их с помощью внешних инструментов Ryzen AI или Vitis AI от AMD, однако эта среда выполнения, конвертация и совместимость с аппаратным обеспечением находятся за пределами поддерживаемого пути выполнения Ultralytics.

Link to this sectionУстранение неполадок#

Link to this sectionПочему torch.cuda.is_available() возвращает False на моей системе AMD?#

Установленный пакет PyTorch может быть сборкой для CPU или CUDA, либо GPU может не поддерживаться активным стеком ROCm. Установи соответствующую сборку ROCm из селектора PyTorch и проверь GPU по матрице совместимости AMD.

Link to this sectionПочему Ultralytics пишет CUDA, когда у меня AMD GPU?#

Это ожидаемое поведение. PyTorch ROCm намеренно использует API torch.cuda и строки устройств в стиле CUDA для совместимости с Python. Модель по-прежнему выполняется через HIP и ROCm на AMD GPU.

Link to this sectionВключает ли экспорт ONNX поддержку MIGraphX или Ryzen AI автоматически?#

Нет. ONNX — это переносимый формат моделей. Для ускоренного выполнения по-прежнему требуется совместимая среда выполнения, а нативные бэкенды MIGraphX, DirectML и Ryzen AI NPU не входят в текущий пакет Ultralytics Python.

Link to this sectionРезюме#

Используй совместимую сборку PyTorch ROCm с параметром device=0 или device=cuda:0 для поддерживаемого обучения, валидации и инференса на AMD GPU. Рассматривай MIGraphX, DirectML и Ryzen AI NPU как отдельные возможности: ни одна из них не включается просто за счет установки ROCm или экспорта модели ONNX.