enfrdepluk
Rechercher trouver 4120  discussion sociale  tg2 f2 lin2 in2 Icône X 3 y2  p2 Tik vapeur2

AMD étend la prise en charge de ROCm à Windows et Linux : PyTorch et ONNX-EP à venir en 2025

AMD dévoile une mise à jour majeure de son écosystème au Computex 2025 ROCm (Radeon Open Compute), en se concentrant sur soutien complet Windows et une compatibilité améliorée avec Linux. Les mises à jour sont conçues pour permettre aux développeurs et aux passionnés d'exécuter plus facilement des frameworks de réseaux neuronaux et des charges de travail d'IA sur les cartes graphiques Radeon et Radeon Instinct.

1

La principale nouveauté était l'ajout du support PyTorch et ONNX-EP sous Windows. PyTorch pour ROCm arrive bientôt version préliminaire au troisième trimestre 2025, et fournisseur d'exécution ONNX - dans Juillet 2025 ans. Les deux solutions étaient auparavant limitées aux plates-formes Linux uniquement, mais désormais les développeurs pourront travailler avec AMD GPU directement à Windows, y compris via WSL et HIP SDK.

2

Pour Linux, AMD présente Intégration ROCm prête à l'emploi dans les principales distributions. Au cours du second semestre 2025, un soutien sera ajouté à Red Hat EPEL et Ubuntu, et apparaîtra également pour la première fois dans OpenSUSE. Fedora continuera d’être une plateforme compatible. Cela évitera aux utilisateurs une configuration manuelle et simplifiera l'installation de ROCm via les packages système.

support Windows et l'intégration dans les distributions Linux élargit considérablement l'audience potentielle de ROCm. Les développeurs pourront utiliser local GPU pour la formation des modèles, l'exécution des inférences et l'optimisation des performances, sans passer à des écosystèmes propriétaires. Une compatibilité améliorée avec les bibliothèques d'apprentissage automatique et les exécuteurs LLM tels que Llama.cpp, Hugging Face Transformers, Diffusers et autres est également attendue.

AMD s'engage à faire de ROCm une alternative ouverte et à part entière aux plates-formes CUDA fermées. Prise en charge universelle de PyTorch, ONNX et HIP sur Windows et Linux — est la clé pour atteindre cet objectif.