admin管理员组文章数量:1530057
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://m.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