

O ROCm™ Hyperloom é um sistema multiagente que otimiza automaticamente a inferência nas GPUs AMD Instinct™. Ele perfila cada carga de trabalho, busca otimizações de framework e kernel, valida todos os candidatos de ponta a ponta e incorpora resultados comprovados em uma base de conhecimento de receitas — sem necessidade de ajuste manual por modelo. Ele suporta geração de texto, geração de imagem e pipelines personalizados no vLLM, SGLang e xDiT.

O kit de ferramentas AMD Data Science inclui os seguintes componentes: hipDF – Uma biblioteca DataFrame acelerada por GPU que oferece manipulação, agregação e transformação tabular rápidas e escaláveis. O hipDF permite pré-processamento de alto desempenho, engenharia de recursos e fluxos de trabalho ETL essenciais para pipelines de dados modernos. Ele também suporta a aceleração de muitos fluxos de trabalho existentes do Pandas com poucas ou nenhuma alteração no código. hipGRAPH – Aproveita a aceleração por GPU para processar e analisar estruturas e redes gráficas complexas com velocidade e precisão. O hipGRAPH suporta diversos algoritmos gráficos — como centralidade, travessia, similaridade, amostragem e rotulagem — e integra-se perfeitamente aos DataFrames do hipDF em todo o ecossistema AMD Data Science. hipMM – A biblioteca HIP Memory Manager fornece utilitários avançados de gerenciamento de memória GPU, como alocação eficiente, pooling e movimentação de dados, para suportar as diversas bibliotecas que compõem o kit de ferramentas AMD Data Science. hipRAFT – Fornece uma camada fundamental de primitivas reutilizáveis aceleradas por GPU para ciência de dados e aprendizado de máquina, incluindo agrupamento, redução de dimensionalidade e operações estatísticas. O hipRAFT serve como espinha dorsal computacional para aplicações de ciência de dados e IA de nível superior. hipVS – Uma biblioteca de busca vetorial acelerada por GPU que contém uma variedade de algoritmos de alta performance para vizinhos mais próximos aproximados e exatos, bem como algoritmos de agrupamento. O hipVS integra-se perfeitamente aos DataFrames oferecidos pelo hipDF, permitindo suporte a uma ampla variedade de cargas de trabalho de ciência de dados. dask-hip – Uma biblioteca para implantar e gerenciar workers Dask em sistemas AMD GPU habilitados para HIP. O dask-hip adiciona capacidades de execução distribuída para escalar cargas de trabalho de ciência de dados aceleradas por GPU em uma ou mais GPUs AMD. hip-ucxx – Um componente de comunicação para fluxos de trabalho GPU distribuídos em plataformas AMD. O hip-ucxx complementa o dask-hip ao fornecer suporte à comunicação baseada em UCXX para ambientes ROCm, ajudando a habilitar fluxos de trabalho distribuídos e multi-GPU de ciência de dados em sistemas AMD.



