Je pense que c’est pareil que CUDA, c’est spécifique à la version de ROCm.
Par exemple quand on installe PyTorch on précise si on veut télécharger la version pour ROCm 6.3 ou 6.4, exactement comme pour CUDA: https://pytorch.org/get-started/locally/
D’ailleurs ta question soulève un point très important. Beaucoup disent et j’en fait partie qu’acheter une Nvidia en aveugle est moins risqué qu’une AMD en terme de « est-ce que ça marche au déballage ? », mais il ne faut pas penser que c’est magique chez Nvidia non-plus.
En gros contrairement à AMD quand on achète une carte Nvidia neuve on peut supposer que ça va marcher, par contre quand on achète une Nvidia d’occasion, il n’y a que pour OpenCL que l’on peut supposer que ça va marcher. Mais quand on veut utiliser CUDA c’est pas beaucoup moins risqué d’acheter une Nvidia d’occasion que d’acheter une AMD d’occasion pour utiliser ROCm : le véritable obstacle ne sera pas que le matériel ne soit pas dans la liste des cartes prises en charge, mais que le logiciel que vous voulez utiliser n’est pas compatible avec le pilote de votre carte, à cause de sa version ancienne.
Il reste une différence qui n’est pas du fait d’Nvidia directement mais de son écrasante domination, comme on le voit sur la page PyTorch évoquée, il y a des gens qui prennent le temps de maintenir leur bibliothèques pour les vieilles versions de CUDA, alors que cette main d’œuvre communautaire est absente pour ROCm, à cause d’un manque de masse critique je suppose. C’est ça qui fait qu’acheter du Nvidia d’occasion est quand même moins risqué qu’avec AMD, mais c’est un effet de bord.
Par exemple l’autre jour j’ai voulu utiliser un logiciel qui utilise PyTorch et qui requiert une taille de VRAM conséquence, et ça tombait bien j’avais sous la main quelques Nvidia puissantes d’ancienne génération : c’était des modèles de calcul uniquement (pas de sortie graphique), avec toute la VRAM nécessaire et la puissance nécessaire et même plusieurs puces de calcul par carte... Mais la version de CUDA était trop vieille pour PyTorch, et les anciennes versions de PyTorch que j’ai trouvé dans les archives ne fonctionnaient plus avec le logiciel que je voulais utiliser. Ce qui est complètement absurde parce que le matos était parfaitement taillé pour la tâche... Au final comme j’avais pas envie d’acquérir de nouveau matériel, j’ai fait chauffer le CPU et le calcul a duré grave plus longtemps, alors que j’aurai pu y atteler plusieurs cartes de calcul Nvidia que j’avais dans le tiroir...
ce commentaire est sous licence cc by 4 et précédentes
[^] # Re: Rocm vs cuda
Posté par Thomas Debesse (site web personnel, Mastodon) . En réponse à la dépêche La pile graphique d’AMD sous Linux est désormais complètement libre. Évalué à 4.
Je pense que c’est pareil que CUDA, c’est spécifique à la version de ROCm.
Par exemple quand on installe PyTorch on précise si on veut télécharger la version pour ROCm 6.3 ou 6.4, exactement comme pour CUDA:
https://pytorch.org/get-started/locally/
D’ailleurs ta question soulève un point très important. Beaucoup disent et j’en fait partie qu’acheter une Nvidia en aveugle est moins risqué qu’une AMD en terme de « est-ce que ça marche au déballage ? », mais il ne faut pas penser que c’est magique chez Nvidia non-plus.
En gros contrairement à AMD quand on achète une carte Nvidia neuve on peut supposer que ça va marcher, par contre quand on achète une Nvidia d’occasion, il n’y a que pour OpenCL que l’on peut supposer que ça va marcher. Mais quand on veut utiliser CUDA c’est pas beaucoup moins risqué d’acheter une Nvidia d’occasion que d’acheter une AMD d’occasion pour utiliser ROCm : le véritable obstacle ne sera pas que le matériel ne soit pas dans la liste des cartes prises en charge, mais que le logiciel que vous voulez utiliser n’est pas compatible avec le pilote de votre carte, à cause de sa version ancienne.
Il reste une différence qui n’est pas du fait d’Nvidia directement mais de son écrasante domination, comme on le voit sur la page PyTorch évoquée, il y a des gens qui prennent le temps de maintenir leur bibliothèques pour les vieilles versions de CUDA, alors que cette main d’œuvre communautaire est absente pour ROCm, à cause d’un manque de masse critique je suppose. C’est ça qui fait qu’acheter du Nvidia d’occasion est quand même moins risqué qu’avec AMD, mais c’est un effet de bord.
Par exemple l’autre jour j’ai voulu utiliser un logiciel qui utilise PyTorch et qui requiert une taille de VRAM conséquence, et ça tombait bien j’avais sous la main quelques Nvidia puissantes d’ancienne génération : c’était des modèles de calcul uniquement (pas de sortie graphique), avec toute la VRAM nécessaire et la puissance nécessaire et même plusieurs puces de calcul par carte... Mais la version de CUDA était trop vieille pour PyTorch, et les anciennes versions de PyTorch que j’ai trouvé dans les archives ne fonctionnaient plus avec le logiciel que je voulais utiliser. Ce qui est complètement absurde parce que le matos était parfaitement taillé pour la tâche... Au final comme j’avais pas envie d’acquérir de nouveau matériel, j’ai fait chauffer le CPU et le calcul a duré grave plus longtemps, alors que j’aurai pu y atteler plusieurs cartes de calcul Nvidia que j’avais dans le tiroir...
ce commentaire est sous licence cc by 4 et précédentes