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:
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:
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 。
看到: Github问题 。
希望离工作版不远。
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:
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)。