Ultralytics YOLO ve ROCm ile AMD GPU Eğitimi#

Ultralytics, PyTorch ROCm aracılığıyla uyumlu AMD GPU'larda eğitim, doğrulama ve çıkarımı destekler. PyTorch, ROCm cihazlarını CUDA tarafından kullanılan aynı torch.cuda Python API'si üzerinden bilerek sunar; bu nedenle Ultralytics'in yerel PyTorch modelleri için ayrı bir rocm cihaz türüne ihtiyacı yoktur. PyTorch'un ROCm derlemesini yükledikten sonra standart device=0 veya device=cuda:0 sözdizimiyle bir AMD GPU seç.

AMD ayrıca PyTorch ROCm'dan ayrı çıkarım teknolojileri de sunar. Bir AMD ürününün desteklenmesi, her AMD çalışma zamanının veya hızlandırıcısının desteklendiği anlamına gelmez.

Genel Bakışta Destek#

Bu tablo, eğitim, doğrulama, dışa aktarma ve tahmin için kullanılan Ultralytics Python paketini açıklar.

ROCm Neden CUDA Cihaz Adlarını Kullanıyor?#

PyTorch'un ROCm derlemesi dahili olarak HIP kullanır, ancak torch.cuda arayüzlerini kasıtlı olarak yeniden kullanır. Örneğin torch.cuda.is_available(), torch.cuda.device_count() ve torch.cuda.get_device_name(), desteklenen AMD GPU'larla çalışır. Bu tasarım, aynı Ultralytics eğitim yolunun yinelenen bir arka uç olmadan NVIDIA CUDA ve AMD ROCm'ye hizmet etmesini sağlar.

Ayrıntılar için resmi PyTorch HIP semantiğine bak.

PyTorch ROCm'yi yükle#

1. İşletim sisteminin ve GPU'nun ROCm uyumluluk matrisinde göründüğünü doğrula.

2. Yüklenmiş ROCm sürümünle eşleşen ROCm derlemesini seçmek için PyTorch yükleme seçicisini kullan.

3. PyTorch'tan sonra Ultralytics'i yükle:

   pip install ultralytics

4. PyTorch'un AMD GPU'yu gördüğünü doğrula:

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

torch.cuda.is_available(), True değerini döndürmeli; cihaz adı AMD GPU'nu tanımlamalı ve torch.version.hip, ROCm derlemesi tarafından sağlanan HIP sürümünü bildirmelidir.

AMD GPU'da eğitim yap#

Standart Ultralytics Eğitim modu ile aynı cihaz bağımsız değişkenlerini kullan.

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])

Doğrulama ve tahmin aynı cihaz seçimini kullanır:

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 Uyumluluğu#

Ultralytics, AMP'yi varsayılan olarak etkinleştirir ve eğitimden önce tam hassasiyetli ve karma hassasiyetli sonuçları karşılaştırır. Kontrol uyumsuz sonuçlar tespit ederse NaN kayıplarını veya sıfır-mAP eğitimini önlemek için AMP devre dışı bırakılır. ROCm AMP davranışı PyTorch ve ROCm sürümlerine göre değişebilir; bu nedenle yığın özelindeki bir hatayı araştırırken amp=False kullan:

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

Henüz Desteklenmeyen Özellikler#

MIGraphX#

MIGraphX, AMD'nin grafik optimizasyonu ve çıkarım çalışma zamanıdır. Yerel MIGraphX model yükleme, mevcut Ultralytics Python paketine dahil değildir. Etkin uygulama, AMD konteyneri, bağımlılıklar, testler ve belgeler PR #24137 kapsamında birlikte izlenmektedir. Bu çalışma birleştirilip AMD donanım doğrulamasından geçene kadar bir ONNX modelinin dışa aktarılması, Python paketinde yerel MIGraphX desteği olarak tanımlanmamalıdır.

DirectML#

Ultralytics Python paketinde Windows eğitimi veya tahmini için DirectML arka ucu yoktur. DirectML, ROCm'dan farklıdır ve çalışan bir ROCm ortamı device=directml özelliğini etkinleştirmez.

Ryzen AI NPU#

Ryzen AI NPU'ları PyTorch ROCm aracılığıyla sunulmaz ve yerel Ultralytics cihazları değildir. Topluluk iş akışları YOLO modellerini ONNX'e dışa aktarabilir ve AMD'nin harici Ryzen AI veya Vitis AI araçlarıyla çalıştırabilir; ancak bu çalışma zamanı, dönüştürme ve donanım uyumluluğu desteklenen Ultralytics yürütme yolunun dışındadır.

Özet#

Desteklenen AMD GPU eğitimi, doğrulaması ve çıkarımı için device=0 veya device=cuda:0 ile uyumlu bir PyTorch ROCm derlemesi kullan. MIGraphX, DirectML ve Ryzen AI NPU'yu ayrı yetenekler olarak değerlendir: bunların hiçbiri yalnızca ROCm yükleyerek veya bir ONNX modeli dışa aktararak etkinleşmez.

SSS#