一、ROCm加持出图效率翻倍!AMD RX 7900 XT Linux系统 AI性能体验
ROCm:一个可移植、高性能的GPU计算平台
随着AI时代的来临,显卡的作用不再仅仅只局限于游戏,特别是在Stable Diffusion火爆全网之后,越来越多的玩家将显卡当成AIGC生产力工具。
只不过,Stable Diffusion的早期版本对AMD显卡支持不太友好,给大家造成了只有N卡才适合玩AI的错觉。
可能很多同学不知道的是,AMD的Radeon GPU也是能够做深度学习的,而且性能也并不差。
去年12月份,AMD推出的ROCm 6.0开发平台进一步优化了RX 7000系列显卡的AI性能,特别是Stable Diffusion的出图效率更是获得了翻倍提升。
这里先解释一下什么是AMD ROCm!
ROCm (Radeon Open Compute Platform )是 AMD 基于开源项目的 GPU计算生态系统,类似于 NVIDIA 的 CUDA。
ROCm 支持多种编程语言、编译器、库和工具,以加速科学计算、自动驾驶、人工智能和机器学习等领域的应用。
ROCm还支持多种加速器厂商和架构,提供了开放的可移植性和互操作性。
目前深度学习开发一般都是使用Python的,而大数据平台往往都会部署在Linux操作系统之上,因此,AMD ROCm目前主要精力放在Linux系统上,Windows端则还有待完善。
得益于双发射设计的流处理器单元,RX 7900 XT仅凭5376个流处理器就达到了55.4TFOPS的单精度浮点运算性能,而拥有10240个流处理器的RTX 4080 Super浮点性能同样也是55TFOPS。
至于RX 7900 XTX,其单精度浮点性能则接近60TFOPS。
Stable Diffusion主要依赖GPU的单精度浮点性能以及显存容量与带宽,这两方面RX 7900 XT都不逊于RTX 4080 SUPER,甚至显存容量还更大一些。
现在有了AMD ROCm 6.0的加持,终于可以发挥出这张顶级显卡的强大的AI算力。
二、Stable Diffusion出图速度对比:Linux系统下出图效率近乎翻倍
测试平台如下:
本次我们主要对比RX 7900 XT/XTX在Ubuntu与windows系统下的出图效率,看看AMD ROCm到底能带来多大提升。
1、RX 7900 XT对比测试
首先是Windows 11系统,打开Stable Diffusion之后,我们设置DPN 2M Karras采样、迭代步数50、Euler a采样、1024×768分辨率、CFG为7、总批次10,单批数量1。
在Windows系统下,RX 7900 XT基于DirectML加速模式生成10张图共计耗时9分51秒,也就是591秒。
进入Ubuntu 22.04.3 LTS系统,设置好ROCm之后,同样的参数与模型生成10张图只用掉了5分05秒,即305秒。
对比之下,在Ubuntu 22.04.3 LTS系统下,RX 7900 XT的出图效率相比Windows系统高了足足94%。
2、RX 7900 XTX对比测试
使用同样的参数来测试RX 7900 XTX显卡。
在Windows系统下,RX 7900 XTX基于DirectML加速模式生成10张图总计耗时9分18秒,也就是558秒。
进入Ubuntu 22.04.3 LTS系统,设置好ROCm之后,同样的参数与模型生成10张图只用掉了4分45秒,即285秒。
在Ubuntu 22.04.3 LTS系统下,RX 7900 XTX的出图效率相比Windows系统领先了96%,也就是近乎翻倍的性能提升。
三、小结:高性价比的AIGC显卡
目前一张非公RX 7900 XT售价在5299元左右,对位的非公RTX 4080 Super售价则是8599元,N卡贵了60%。其实在游戏性能方面,这两款显卡并没有太大差距。
现在AMD也意识到了AI应用对于GPU的重要性,加大了对AMD ROCm平台的投入,经过不断的更新,如今AMD ROCm 6.0在AI算力方面的提升早已超出了大多数玩家的预知。
在我们的测试中,RX 7900 XT在Linux系统下使用Stable Diffusion ROCm 6.0版时,其出图效率几乎是Windows系统的2倍。再加上55TFOPS的单精度浮点运算性能以及20GB GDDR6X超大容量显存,对于有较高专业AIGC应用需求的专业用户而言,在有限的预算下,RX 7900 XT可以说是非常适合的选择。
当然,也希望AMD能够继续优化ROCm在Windows系统下的性能表现,让更多的AMD用户能拥有自己的高性价比AIGC显卡。