Sep 1, 2026 · PyTorch
viable/strict/1788292262: [ROCm] Set USE_ARC in ROCm workflows (#194123)
PyTorch 的 ROCm 工作流中设置 USE_ARC 变量，用于在 test.sh 中导出 OMP_NUM_THREADS。设置 OMP_NUM_THREADS 小于可用核心数可避免 OpenMP 忙等待，提升性能。该 PR 相比主干的性能提升约 3.5%。
EVENT STORY
Development
- First Reportviable/strict/1788292262: [ROCm] Set USE_ARC in ROCm workflows (#194123)PyTorch Core
- Current AssessmentPyTorch 持续优化 ROCm 支持，表明 AMD GPU 在 AI 训练和推理中的重要性提升，开源框架对多硬件生态的适配是长期趋势。Agent Pulse · analysis
PyTorch 的 ROCm 工作流中设置 USE_ARC 变量，用于在 test.sh 中导出 OMP_NUM_THREADS。设置 OMP_NUM_THREADS 小于可用核心数可避免 OpenMP 忙等待，提升性能。该 PR 相比主干的性能提升约 3.5%。
该 PR 通过设置 OMP_NUM_THREADS 为小于可用核心数的值，减少 OpenMP 忙等待，从而提升性能。这提示在 ROCm 环境下，线程数配置对性能有显著影响，值得关注。
PyTorch 持续优化 ROCm 支持，表明 AMD GPU 在 AI 训练和推理中的重要性提升，开源框架对多硬件生态的适配是长期趋势。
该优化可降低 AMD GPU 用户的推理成本，提升 PyTorch 在 ROCm 平台的竞争力，对使用 AMD 基础设施的企业有直接价值。
未来可能看到更多针对 ROCm 的优化，包括线程调度和内存管理，以缩小与 CUDA 的性能差距。