AI 助理
备案控制台
开发者社区 量子位 文章 正文

AMD深度学习库MIOpen更新，支持CNN加速

2018-01-08 1404
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
本文来自AI新媒体量子位（QbitAI）

农企的深度学习加速库MIOpen 1.0更新了，它现在已经能支持对CNN的加速。

ROCm全称Radeon Open Compute platform，是AMD在去年12月推出的开源GPU运算平台，MIOpen则是AMD为此开发的软件库，其作用是将程序设计语言和ROCm平台连接，以充分利用GCN架构。

此次更新包括：

  • 同时为正向和反向传播优化的深度卷积解算器
  • 优化的卷积算法，包括Winograd和快速傅立叶转换
  • 为深度学习准备的、优化的GEMM
  • 池化、Softmax、激活、梯度算法的批量归一化，以及LR Normalization
  • 4D张量NCHW格式
  • 支持OpenCL和HIP的框架API
  • 对MIOpen驱动的支持，以测试任何正向/反向网络
  • 支持Ubuntu 16.04和Fedora 24的二进制封装

ROCm支持如下深度学习平台：

是的，没有Theano。

源代码：
https://github.com/ROCmSoftwarePlatform/MIOpen

文档：

MIOpen：
https://rocmsoftwareplatform.github.io/MIOpen/doc/html/apireference.html

MIOpenGemm：
https://rocmsoftwareplatform.github.io/MIOpenGEMM/doc/html/index.html

【完】

本文作者：吴唯
原文发布时间：2017-07-03
文章标签：
机器学习/深度学习
算法
Web App开发
关键词：
深度学习cnn
深度学习库
CNN深度学习
深度学习加速
行者武松
目录
相关文章
游客nmbcre4jd7shs
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
深入理解深度学习中的卷积神经网络（CNN）##
在当今的人工智能领域，深度学习已成为推动技术革新的核心力量之一。其中，卷积神经网络（CNN）作为深度学习的一个重要分支，因其在图像和视频处理方面的卓越性能而备受关注。本文旨在深入探讨CNN的基本原理、结构及其在实际应用中的表现，为读者提供一个全面了解CNN的窗口。 ##
游客nmbcre4jd7shs
76 3
程序员彭于晏
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
深入理解深度学习中的卷积神经网络（CNN）
深入理解深度学习中的卷积神经网络（CNN）
程序员彭于晏
67 10
shuj
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习中的卷积神经网络（CNN）： 从理论到实践
本文将深入浅出地介绍卷积神经网络（CNN）的工作原理，并带领读者通过一个简单的图像分类项目，实现从理论到代码的转变。我们将探索CNN如何识别和处理图像数据，并通过实例展示如何训练一个有效的CNN模型。无论你是深度学习领域的新手还是希望扩展你的技术栈，这篇文章都将为你提供宝贵的知识和技能。
shuj
340 7
Java时光
|
2月前
|
机器学习/深度学习 自然语言处理 算法
深入理解深度学习中的卷积神经网络（CNN）
深入理解深度学习中的卷积神经网络（CNN）
Java时光
71 1
程序员成长之路
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
探索深度学习中的卷积神经网络（CNN）及其在现代应用中的革新
探索深度学习中的卷积神经网络（CNN）及其在现代应用中的革新
程序员成长之路
66 4
游客moiomvrp3vyac2
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习中的卷积神经网络（CNN）及其在图像识别中的应用
本文旨在通过深入浅出的方式，为读者揭示卷积神经网络（CNN）的神秘面纱，并展示其在图像识别领域的实际应用。我们将从CNN的基本概念出发，逐步深入到网络结构、工作原理以及训练过程，最后通过一个实际的代码示例，带领读者体验CNN的强大功能。无论你是深度学习的初学者，还是希望进一步了解CNN的专业人士，这篇文章都将为你提供有价值的信息和启发。
游客moiomvrp3vyac2
248 6
小周sir
|
2月前
|
机器学习/深度学习 人工智能 网络架构
深入理解深度学习中的卷积神经网络（CNN）
深入理解深度学习中的卷积神经网络（CNN）
小周sir
63 1
游客qf4jmczx4xu2y
|
2月前
|
机器学习/深度学习 人工智能 算法框架/工具
深度学习中的卷积神经网络（CNN）入门
【10月更文挑战第41天】在人工智能的璀璨星空下，卷积神经网络（CNN）如一颗耀眼的新星，照亮了图像处理和视觉识别的路径。本文将深入浅出地介绍CNN的基本概念、核心结构和工作原理，同时提供代码示例，带领初学者轻松步入这一神秘而又充满无限可能的领域。
游客qf4jmczx4xu2y
56 3
Star时光
|
2月前
|
机器学习/深度学习 人工智能 算法
深入理解深度学习中的卷积神经网络（CNN）
深入理解深度学习中的卷积神经网络（CNN）
Star时光
31 1
请看我回答~
|
2月前
|
机器学习/深度学习 人工智能 算法框架/工具
深度学习中的卷积神经网络（CNN）及其在图像识别中的应用
【10月更文挑战第36天】探索卷积神经网络（CNN）的神秘面纱，揭示其在图像识别领域的威力。本文将带你了解CNN的核心概念，并通过实际代码示例，展示如何构建和训练一个简单的CNN模型。无论你是深度学习的初学者还是希望深化理解，这篇文章都将为你提供有价值的见解。
请看我回答~
110 5

量子位

热门文章

最新文章

  • 1
    使用Python实现智能食品库存管理的深度学习模型
  • 2
    猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
  • 3
    使用Python实现智能食品消费习惯分析的深度学习模型
  • 4
    使用Python实现深度学习模型的分布式训练
  • 5
    深入理解人工智能中的深度学习技术及其最新进展
  • 6
    使用Python实现智能食品消费模式分析的深度学习模型
  • 7
    【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
  • 8
    使用Python实现智能食品消费市场分析的深度学习模型
  • 9
    基于深度学习的图像识别技术在自动驾驶中的应用研究####
  • 10
    探索深度学习中的Transformer模型：原理、优势与应用
  • 1
    使用Python实现卷积神经网络（CNN）
    608
  • 2
    基于WOA优化的CNN-LSTM-Attention的时间序列回归预测matlab仿真
    122
  • 3
    基于WOA优化的CNN-GRU-Attention的时间序列回归预测matlab仿真
    102
  • 4
    【AI 初识】什么是卷积神经网络 （CNN）？
    155
  • 5
    深度学习中的卷积神经网络（CNN）详解
    452
  • 6
    【Python机器学习专栏】卷积神经网络（CNN）的原理与应用
    134
  • 7
    基于PSO优化的CNN-GRU-Attention的时间序列回归预测matlab仿真
    152
  • 8
    TensorFlow 2keras开发深度学习模型实例：多层感知器（MLP），卷积神经网络（CNN）和递归神经网络（RNN）
    90
  • 9
    【视频】少样本图像分类？迁移学习、自监督学习理论和R语言CNN深度学习卷积神经网络实例
    121
  • 10
    揭秘卷积神经网络 (CNN)：深度学习的视觉巨匠
    354

    • 相关课程

    更多
  • 高校精品课-复旦大学-机器学习与深度学习
  • 深度学习框架TensorFlow入门
  • 深度学习与自动驾驶
  • 云原生AI套件：一键训练大模型及部署GPU共享推理服务
  • 深度学习理论与实战（基于TensorFlow实现）
  • 模型融合方法概述

    • 相关电子书

    更多
  • 深度学习的最新进展
  • 搜狗深度学习技术在广告推荐领域的应用
  • 深度学习在电商搜索和聊天机器人中的应用

    • 相关实验场景

    更多
  • AI克隆声音，基于函数计算部署GPT-Sovits语音生成模型
  • 函数计算一键部署AI大语言模型并会话
  • 【自由换模型】基于函数计算一键部署 Stable Diffusion
  • 使用计算巢AI应用，快速上手实践Stable Diffusion
  • 函数计算X RDS PostgreSQL，基于LLM大语言模型构建AI知识库
  • 云原生AI套件：五分钟微调宝可梦风格StableDiffusion
    • 下一篇
    DataWorks智能交互式数据开发与分析之旅