여기에서 문서, 교육 웨비나, 최신 블로그 등 모든 ROCm™ 개발자 리소스에 액세스할 수 있습니다.

AMD ROCm

AMD ROCm 소프트웨어의 의미: AMD GPU 프로그래밍

ROCm은 AMD GPU 프로그래밍을 위한 드라이버, 라이브러리, 개발자 도구를 갖춘 개방형 프로덕션 등급 소프트웨어 플랫폼입니다.

이 제품은 HPC 및 AI 워크로드를 지원하므로 개발자가 PyTorch와 같은 익숙한 프레임워크를 사용하여 대규모 모델을 교육하고 제공할 수 있습니다.

ROCm Optimized GPU Software Stack

새로워진 사항

AMD AI Playbook으로 로컬에서 AI 워크로드 실행

AMD AI Playbook은 AMD 클라이언트 플랫폼을 통해 전부 로컬에서 실행되는 추론, 미세 조정, 에이전트 워크플로, 분산형 추론을 다루는 무료 단계별 가이드입니다. AMD Ryzen™ AI Halo는 사전 구성된 ROCm 지원과 함께 제공되므로, 클라우드에 의존하지 않고 어떤 플레이북에서든 실행 중인 워크로드로 곧바로 이동할 수 있습니다.

ROCm으로 구축을 시작하세요

cloud data

클라우드 또는 데이터 센터의 AI 최적화

AMD Instinct™ GPU에서 실행되는 대규모 AI 워크로드

Glowing teal and orange signal wave with sparkling particles across a dark surface

로컬에서 실행하는 AI 애플리케이션

AMD Radeon™ GPU를 사용하는 로컬 AI 애플리케이션

Close-up of a data center with glowing lights

HPC 애플리케이션 개발

AMD Instinct GPU를 통한 고성능 컴퓨팅

워크로드에 적합한 GPU를 찾으세요

AMD Instinct GPU는 AI 모델 학습, 대규모 추론 서비스 실행 및 HPC 시뮬레이션을 위해 제작되었습니다.

AMD Radeon GPU는 AI 기반 게이밍 및 실시간 그래픽, 창의적인 워크플로, 로컬 LLM을 위해 제작되었습니다.

AMD GPUs for AI: How to Choose infographic

코드 변경을 거의 또는 전혀 하지 않고 CUDA에서 ROCm으로 전환하세요

코드를 변경하지 않고도 AMD GPU에서 많은 워크로드를 실행할 수 있습니다. 변경이 필요한 경우, HIPIFY 도구를 사용하면 중단을 최소화하여 기존 CUDA 코드를 ROCm 호환 HIP 코드로 전환할 수 있습니다.

Move from CUDA to ROCm with Few to No Code Changes infographic

AI 개발자 프로그램에 가입하기

무료 AMD 개발자 클라우드 크레딧, 전용 교육, 월별 AMD GPU 경품 행사, AI 개발 작업을 지원하도록 설계된 커뮤니티 지원에 액세스하세요.

자주 묻는 질문

ROCm과 CUDA는 모두 GPU 프로그래밍을 위한 플랫폼이지만, 접근 방식에는 차이가 있습니다.

ROCm은 다양한 AMD GPU와 호환되는 풀 오픈 소스, 프로덕션 지원 소프트웨어 스택입니다. PyTorch, TensorFlow, JAX 등 강력한 도구와 AI 모델, 프레임워크를 지원합니다. 이 플랫폼은 특정 환경 및 요구사항에 맞게 사용자 지정, 수정, 최적화할 수 있는 유연성을 제공하며, 활기찬 개방형 생태계의 지원으로 더욱 빠른 혁신이 가능합니다.

CUDA는 NVIDIA의 독점 플랫폼으로, 해당 하드웨어와 긴밀하게 통합되어 있습니다. CUDA는 완성도 높은 기술이지만, 폐쇄적인 생태계로 인해 개발자가 종속되고 선택권이 제한될 수 있습니다.

일부 AMD Ryzen™ AI 프로세서의 많은 AMD Instinct GPU, AMD Radeon GPU, iGPU는 ROCm 소프트웨어와 호환되므로 개발자에게 다양한 선택지를 제공합니다. 컴퓨팅 및 그래픽 워크로드에 대한 자세한 GPU 호환성 정보는 아래 매트릭스를 참조하세요. 지원되는 오픈 소스 프레임워크, 라이브러리, 도구 및 시스템 요구사항도 찾을 수 있습니다.

호환성 매트릭스: ROCm 컴퓨팅 워크로드를 위한 Instinct와 Radeon >

호환성 매트릭스: ROCm 그래픽 워크로드를 위한 Radeon과 Ryzen >

ROCm은 특히 PyTorch, TensorFlow, JAX와 같은 프레임워크 전반의 딥러닝 트레이닝, 미세조정, 추론 등 GPU 가속 AI와 HPC 워크로드에 주로 사용됩니다.
주요 사용 사례는 다음과 같습니다.

  • 여러 GPU에 걸친 분산 학습
  • vLLM 및 SGLang과 같이 최적화된 엔진을 통한 추론 시행
  • Hugging Face 및 기타 오픈 소스 생태계를 이용한 모델 최적화

개발자는 최소한의 변경으로 AMD GPU에서 기존 코드베이스를 실행할 수 있습니다.

AMD 개발자 커뮤니티 포럼AMD 개발자 Discord 서버를 통해 다른 개발자 및 AMD 전문가와 직접 소통하여 질문에 대해 논의하고 문제를 해결할 수 있습니다. 또한 GitHub에 버그를 제출할 수도 있습니다.