Ultralytics YOLO ve ROCm ile AMD GPU'da eğitim#

Ultralytics, uyumlu AMD GPU'larda PyTorch ROCm aracılığıyla eğitim, doğrulama ve çıkarım işlemlerini destekler. PyTorch, ROCm aygıtlarını CUDA ile aynı torch.cuda Python API'si üzerinden sunar; bu nedenle Ultralytics'ın yerel PyTorch modelleri için ayrı bir rocm aygıt türüne ihtiyacı yoktur. PyTorch'un ROCm derlemesini yükle, ardından standart device=0 veya device=cuda:0 söz dizimini kullanarak bir AMD GPU seç.

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

Destek Özeti#

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

ROCm Neden CUDA Aygıt Adlarını Kullanıyor?#

PyTorch'un ROCm derlemesi, HIP'i dahili olarak kullanır ancak torch.cuda arayüzlerini bilerek 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 uca ihtiyaç duymadan NVIDIA CUDA ve AMD ROCm'de çalışmasını sağlar.

Ayrıntılar için resmi PyTorch HIP semantiğine bak.

PyTorch ROCm'yi yükle#

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

2. Yüklediğin ROCm sürümüyle eşleşen ROCm derlemesini seçmek için PyTorch yükleme seçicisini kullan.

3. PyTorch'tan sonra Ultralytics'ı 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; aygıt adı AMD GPU'nu belirtmeli ve torch.version.hip, ROCm derlemesinin sağladığı HIP sürümünü bildirmelidir.

AMD GPU'da eğitim yap#

Standart Ultralytics Eğitim modundaki aygıt bağımsız değişkenlerinin aynısını kullan.

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# PyTorch ROCm'nin gördüğü ilk AMD GPU'da eğitim yap
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)

# İki AMD GPU'da eğitim yap
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=[0, 1])

Doğrulama ve tahmin için aynı aygıt seçimi kullanılır:

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. Denetim uyumsuz sonuçlar tespit ederse NaN kayıplarını veya sıfır mAP ile eğitimi önlemek için AMP devre dışı bırakılır. ROCm AMP davranışı PyTorch ve ROCm sürümlerine göre değişebilir; bu nedenle yığına özgü bir sorunu giderirken 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 ortamıdır. Yerel MIGraphX model yükleme özelliği mevcut Ultralytics Python paketine dahil değildir. Etkin uygulama, AMD kapsayıcısı, bağımlılıklar, testler ve belgeler birlikte PR #24137 üzerinden takip ediliyor. Bu çalışma birleştirilip AMD donanımında doğrulanana kadar ONNX modelini dışa aktarmak, Python paketinde yerel MIGraphX desteği olduğu şeklinde tanımlanmamalıdır.

DirectML#

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

Ryzen AI NPU#

Ryzen AI NPU'ları PyTorch ROCm aracılığıyla sunulmaz ve yerel Ultralytics aygıtları değildir. Topluluk iş akışlarında YOLO modelleri ONNX'e aktarılıp AMD'nin harici Ryzen AI veya Vitis AI araçlarıyla çalıştırılabilir; ancak bu çalışma ortamı, dönüştürme ve donanım uyumluluğu desteklenen Ultralytics yürütme yolunun dışındadır.

Özet#

Desteklenen AMD GPU'larda eğitim, doğrulama ve çıkarım 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 modelini dışa aktararak etkinleşmez.

Sık Sorulan Sorular#