admin管理员组文章数量:1566606
AMD最近几年似乎是太Yes了,2016年到现在,股价从2块钱涨到40块钱,在很多地区的DIY市场份额超过英特尔,苏妈NB啊!
但在科学计算领域,CPU没有相关的配套软件支持是不行的。想自己组装个深度学习主机到底能不能上AMD?
该文章用numpy库对openblas和mkl简单测试,来回答这个问题。
目录
0. 基本概念
0.1 做深度学习还要看CPU吗?
0.2 什么是mkl与openblas?
0.3 AMD处理器用于深度学习为什么要注意这个问题?结论与openblas安装方法
2. 测试平台和方法
3. 英特尔平台测试结果
4. AMD平台测试结果
5. 小结
6. GPU测试结果
0. 基本概念
0.1 做深度学习还要看CPU吗?
要看,很多操作比如数据预处理一般是在CPU上完成的。
0.2 什么是mkl与openblas?
BLAS(Basic Linear Algebra Subprograms)即基础线性代数子程序库,可以理解为用于线性代数运算库的API。openblas和mkl是基于BLAS库的两个不同的线性运算库,python著名的numpy库底层就调用了mkl或者openblas.
0.3 AMD处理器用于深度学习为什么要注意这个问题?
因为conda装numpy和依赖numpy的库比如pytorch、tensorflow时会自动安装mkl库,而英特尔开发的mkl库对AMD处理器负优化啊!!
1.1 结论
写给太长不看党的。不过后面的测试确实可看可不看。AM
版权声明:本文标题:amd的cpu跑python_AMD用于深度学习到底Yes吗? 基于mkl和openblas的numpy运算速度小测与安装教程... 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://www.elefans.com/dongtai/1726769053a1083638.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论