一、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，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52TFOPS的单精度浮点运算性能，而拥有10240个流处理器的RTX 4080 Super浮点性能同样则是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、1024x768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认知。
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用户能拥有属于自己的高性价比AIGC显卡。
