一、ROCm加持出圖效率翻倍！AMD RX 7900 XT Linux系統 AI性能體驗

ROCm：一個可移植、高性能的GPU計算平臺

隨着AI時代的來臨，顯卡的作用不再僅僅只侷限於遊戲，特別是在Stable Diffusion火爆全網之後，越來越多的玩家將顯卡當成AIGC生產力工具。

只不過，Stable Diffusion的早期版本對AMD顯卡支持不太友好，給大家造成了只有N卡才適合玩AI的錯覺。

可能很多同學不知道的是，AMD的Radeon GPU也是能夠做深度學習的，而且性能也並不差。

去年12月份，AMD推出的ROCm 6.0開發平臺進一步優化了RX 7000系列顯卡的AI性能，特別是Stable Diffusion的出圖效率更是獲得了翻倍提升。

這裏先解釋一下什麼是AMD ROCm！

ROCm （Radeon Open Compute Platform ）是 AMD 基於開源項目的 GPU計算生態系統，類似於 NVIDIA 的 CUDA。

ROCm 支持多種編程語言、編譯器、庫和工具，以加速科學計算、自動駕駛、人工智能和機器學習等領域的應用。

ROCm還支持多種加速器廠商和架構，提供了開放的可移植性和互操作性。

目前深度學習開發一般都是使用Python的，而大數據平臺往往都會部署在Linux操作系統之上，因此，AMD ROCm目前主要精力放在Linux系統上，Windows端則還有待完善。

得益於雙發射設計的流處理器單元，RX 7900 XT僅憑5376個流處理器就達到了55.4TFOPS的單精度浮點運算性能，而擁有10240個流處理器的RTX 4080 Super浮點性能同樣也是55TFOPS。

至於RX 7900 XTX，其單精度浮點性能則接近60TFOPS。

Stable Diffusion主要依賴GPU的單精度浮點性能以及顯存容量與帶寬，這兩方面RX 7900 XT都不遜於RTX 4080 SUPER，甚至顯存容量還更大一些。

現在有了AMD ROCm 6.0的加持，終於可以發揮出這張頂級顯卡的強大的AI算力。

二、Stable Diffusion出圖速度對比：Linux系統下出圖效率近乎翻倍

測試平臺如下：

本次我們主要對比RX 7900 XT/XTX在Ubuntu與windows系統下的出圖效率，看看AMD ROCm到底能帶來多大提升。

1、RX 7900 XT對比測試

首先是Windows 11系統，打開Stable Diffusion之後，我們設置DPN++ 2M Karras採樣、迭代步數50、Euler a採樣、1024x768分辨率、CFG爲7、總批次10，單批數量1。

在Windows系統下，RX 7900 XT基於DirectML加速模式生成10張圖共計耗時9分51秒，也就是591秒。

進入Ubuntu 22.04.3 LTS系統，設置好ROCm之後，同樣的參數與模型生成10張圖只用掉了5分05秒，即305秒。

對比之下，在Ubuntu 22.04.3 LTS系統下，RX 7900 XT的出圖效率相比Windows系統高了足足94%。

2、RX 7900 XTX對比測試

使用同樣的參數來測試RX 7900 XTX顯卡。

在Windows系統下，RX 7900 XTX基於DirectML加速模式生成10張圖總計耗時9分18秒，也就是558秒。

進入Ubuntu 22.04.3 LTS系統，設置好ROCm之後，同樣的參數與模型生成10張圖只用掉了4分45秒，即285秒。

在Ubuntu 22.04.3 LTS系統下，RX 7900 XTX的出圖效率相比Windows系統領先了96%，也就是近乎翻倍的性能提升。

三、小結：高性價比的AIGC顯卡

目前一張非公RX 7900 XT售價在5299元左右，對位的非公RTX 4080 Super售價則是8599元，N卡貴了60%。其實在遊戲性能方面，這兩款顯卡並沒有太大差距。

現在AMD也意識到了AI應用對於GPU的重要性，加大了對AMD ROCm平臺的投入，經過不斷的更新，如今AMD ROCm 6.0在AI算力方面的提升早已超出了大多數玩家的預知。

在我們的測試中，RX 7900 XT在Linux系統下使用Stable Diffusion ROCm 6.0版時，其出圖效率幾乎是Windows系統的2倍。再加上55TFOPS的單精度浮點運算性能以及20GB GDDR6X超大容量顯存，對於有較高專業AIGC應用需求的專業用戶而言，在有限的預算下，RX 7900 XT可以說是非常適合的選擇。

當然，也希望AMD能夠繼續優化ROCm在Windows系統下的性能表現，讓更多的AMD用戶能擁有自己的高性價比AIGC顯卡。

【本文結束】如需轉載請務必註明出處：快科技

責任編輯：流雲