Підготувати повну програмну міграцію
Складіть перелік компонентів, які виконують обчислення на GPU: PyTorch, бібліотеки уваги, квантування та можливі власні оператори. Портативний скрипт Python може залежати від розширення, призначеного виключно для CUDA. Перевірте кожен компонент на вибраній версії ROCm, перш ніж запускати великий цикл.
У PyTorch для ROCm інтерфейси torch.cuda все ще використовуються для позначення GPU. Тож не замінюйте механічно всі входження на «hip»: визначте встановлений бекенд і перевірте невелике реальне обчислення.
Використайте 192 ГБ із репрезентативним тестом
Ця місткість дає простір для великих моделей, активацій або кешів. Вона не дозволяє самостійно визначити максимальний розмір моделі: точність, довжина входів, метод адаптації та тимчасові простори змінюють загальну потребу.
Підготуйте випадок, який охоплює ваші найдовші входи та повне збереження. Порівнюйте числові результати міграції із визначеним для вашого завдання допуском, а не з неявною вимогою ідентичних файлів між платформами.
Коли зберігати шлях NVIDIA
Якщо центральне розширення не має придатного для використання шляху ROCm, H200 SXM на 141 ГБ може спростити проєкт, залишаючись у CUDA. Для програмного забезпечення, яке вже портативне, але має менше навантаження, також порівняйте реальну потребу з картою на 80 ГБ. Додаткова пам'ять має вирішувати ідентифіковану проблему, а не лише замінювати діагностику.
Розділіть оренду на етапи перевірки
Використайте 3 дні для встановлення, тестування та фіксації розбіжностей; 7 днів для стабілізації залежностей і порівняння ваших результатів; 30 днів для кампанії, шлях ROCm якої підтверджено. Записуйте розподіл системи та версії бібліотек у маніфесті.
Виберіть MI300X, тривалість, партії та підготовку, адаптовану до вашого стеку ROCm. Ім'я, прізвище та email залишаються контактними даними замовлення; жодних документів для KYC не потрібно. Потім виберіть криптометод і позначте переказ за допомогою «Я оплатив».