OpenCL / AMD：深度学习

请检查

https://01.org/intel-deep-learning-framework

  - 英特尔®深度学习框架（IDLF）为加速深度卷积神经网络的英特尔®平台提供统一框架。它是开源的，所以你也可以将它移植到AMD硬件上。很酷的事情：它可以在配备Intel Iris显卡的MacBook Pro上运行。

PlaidML（

https://github.com/plaidml/plaidml

）是一个完全开源的深度学习运行时，它运行在OpenCL之上，并与Keras集成，以提供熟悉的面向用户的API。 repo中的README具有更详细的状态，目前Linux上的convnet推断得到了很好的支持，但我们（

http://vertex.ai

）正在努力尽快扩展完整性和平台支持。我们的持续集成机器包括各种AMD和NVIDIA GPU，现在所有的Linux，但我们也在努力添加Mac和Windows。

我正在为Tensorflow编写opencl 1.2支持。

https://github.com/hughperkins/tensorflow-cl

目前支持：

• 
  blas矩阵乘法
  


• 
  梯度
  


• 
  特征操作，例如：reductions，argmin / argmax，每元素操作（二元和一元）
  

看看

ROCm平台

，这是由AMD推动的。这是第一个用于GPU计算的开源HPC / Hyperscale级平台，它也是独立于编程语言的。

特别：

• 
  

  
  深入学习，请参阅
  
  https://rocm.github.io/dl.html
  
  

  
  


• 
  

  
  对于OpenCL，请参阅：
  

  
  
  
  
  • 
    
    https://rocm.github.io/QuickStartOCL.html
    
    
  
  
  • 
    
    https://gpuopen.com/opencl-rocm1-6/
    
    
  
  
  
  


• 
  

  
  有用的教程可以在这里找到：
  
  https://rocm.github.io/tutorials.html
  
  

  
  

的
TensorFlow
</强>
现在有OpenCL支持了

路线图

。

另一种方法是在Amazon Web Services上使用GPU实例。
您可以找到已安装常用深度学习包的AMI。例如：

• 
  火炬：
  
  https://github.com/torch/torch7/wiki/Cheatsheet#ec2-public-ami
  
  


• 
  Theano +来自Caffe：
  
  https://www.kaggle.com/forums/f/208/getting-started/t/11505/an-aws-ami-mainly-for-deep-learning
  
  

提示：使用现货实例获得更便宜的价格（g2.2x大约10美分/小时）。