虽然"googl'ing"并做了一些研究，但我无法在AMD硬件上找到科学GPGPU计算和OpenCL的 any 严重/流行框架/ sdk . 我错过了哪些文献和/或软件？
特别是我对 deep learning 感兴趣 .
据我所知，deeplearning.net推荐使用NVIDIA硬件和CUDA框架 . 此外，我所知道的所有大型深度学习框架，如Caffe，Theano，Torch，DL4J，......都专注于CUDA，并不打算支持OpenCL / AMD .
此外，人们可以找到大量的科学论文以及基于CUDA的深度学习任务的相应文献，但基于OpenCL / AMD的解决方案几乎没有 .
在2015/16学年，是否有可能出现基于OpenCL / AMD的新解决方案或现有科学框架？
使用OpenCL / AMD进行深度学习的良好开端是什么？有文献吗？教程？杂项来源？
8 回答
请查看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，因此您也可以将其移植到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 .
Edit 1 请参阅Mikael Rousson's回答 - 亚马逊现在是前进的方式，因为你可以从他们那里获得计算能力 .
Edit 2 我创建了series of guides，了解如何使用
theano设置用于深度学习的Amazon EC2实例 . 它比在个人计算机上运行方便得多 .Edit 3 TensorFlow现在似乎比
theano被广泛接受，所以我已相应地更新了指南 .我和你自己的情况一样，我有一台带有Intel Iris图形的MacBook Pro . 我花了一周的时间来查看所有可能的解决方法，我非常欢迎我提供替代方案 .
我目前拥有的最佳解决方案是：
安装
python库tensorflow并利用GPU支持并继续更新到最新的开发版本 .使用theano - 并使用existing GPU support与
tensorflow类似购买NVIDIA显卡并在PC上使用
如果您绝对需要OpenCL中的解决方案，并且您愿意从高级别的理解（没有教程）编写所有内容，请查看DeepCL和可能的pyOpenCl .
我发现使用OpenCL的任何解决方案，例如pyOpenCl，还没有用于深度学习的用户友好界面，即在另一种方法中编写代码需要更长的时间，而不是快速编写代码并在CPU上运行 . 尽管如此，这里有深度学习的最佳替代OpenCL库：
Python - DeepCL
Jonathan's Torch7 Utility Library - C++
开发中
tensorflow是adding OpenCL支持一旦对
Eigen和其他依赖项的改进是finishedtheano adding support到OpenCL到clBLAS
Caffe在development stages中添加了OpenCL支持但有点落后
theano正在进行中，似乎TensorFlow 现在roadmap上有OpenCL支持 .
见：Github issue .
希望不要离工作版本那么远 .
查看由AMD驱动的ROCm platform . 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：
深度学习，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
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
渐变
特征操作，例如：reduction，argmin / argmax，每元素操作（二元和一元）
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 .
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 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） .
--- 2017年8月更新AMD方面发生的酷炫新事---
现在它实际上可以在大多数AMD硬件上运行任何库Check Here
截至2015年10月25日
似乎AMD和其他人已经开始致力于开发几个用于深度学习的OpenCL加速框架 . 所以是OpenCL的支持现在已经存在深度学习:)
这是一个OpenCL加入框架或工具的列表，这些框架或工具主要是在深入学习的基础上开发的 . 我希望他们能在未来几年得到更新
我们现在知道（2015年10月25日）有三个深度学习框架，非常受研究人员的欢迎，并且已经看到了一些商业产品
Theano
Caffe
火炬
caffe有很好的OpenCL支持，因为amd开发了一个完整版本的caffe，它几乎支持caffe的所有功能，并且它正在积极开发 . 它被命名为OpenCL Caffe . 这是存储库
OpenCL Caffe
如果你正在考虑性能，那么根据那个网站（我自己没有标记它）它在AMD R9 Fury硬件（培训）中每秒提供大约261张图像或每天2250万张图像 . 与nvidia K40相比，它可以每天处理4000万张图像 . 所以根据网站，它可以用六分之一的钱给出一半的表现 . （考虑到k40是3000美元卡而r9愤怒是600美元左右） . 然而，使用任何消费卡会给你一个关于记忆（vram）的问题，这在深度学习中非常重要 .
最近几天火炬似乎也有不错的OpenCL支持 . 但它由一个人维护 . 它声称完全支持火炬的所有功能 . 但是它没有给出关于性能的想法 . 这是存储库 . 它得到积极维护 .
cltorch
目前对于theano框架似乎没有一个像样的opencl后端，但工作正在进行中 . 并且可以使用当前版本完成简单的程序 .
还有其他一些用于深度学习的opencl框架 . 需要一些时间来整理它们以确定它们是否正常工作 .