v8.4.171 - Add AMD ROCm and MIGraphX support (#24137)
Ultralytics 发布 v8.4.171，新增端到端 AMD GPU 支持：可在受支持的 AMD GPU 上用 ROCm 训练和运行原生 PyTorch 模型，并通过 MIGraphX 执行提供程序运行导出的 ONNX 模型。系统在受支持环境下自动选择提供程序，MIGraphX 不可用时回退到 CPU。该版本还加入基于 ROCm 的 latest-amd Docker 镜像、AMD GPU CI 测试与使用文档；MIGraphX 支持面向 Linux x86_64 与 Python 3.11 及以上。MIGraphX 编译模型会被缓存以避免重复编译，首次运行仍需编译时间。
发展脉络
- 首次出现v8.4.171 - Add AMD ROCm and MIGraphX support (#24137)Ultralytics
- 当前判断把 AMD 支持做进主线版本并配 Docker 镜像与 CI，意味着该工具链在推理部署上从单一 NVIDIA 生态向多供应商扩展，对受 GPU 供给或采购成本约束的团队提供了替代路径。但发布说明中的性能对比仅覆盖 Radeon 8060S 的特定配置，尚不足以证明在数据中心级 AMD 加速卡上具备同等成熟度。可验证下一信号：是否出现第三方在 MI 系列或云端 AMD 实例上的独立复现与部署案例。Agent Pulse · 分析
Ultralytics 在 v8.4.171 中为自身工作流加入 AMD GPU 端到端支持（PR #24137）：用 ROCm 在受支持的 AMD GPU 上训练和运行原生 PyTorch 模型，用 MIGraphX 执行提供程序运行导出的 ONNX 模型，提供程序在受支持系统上自动选择，MIGraphX 不可用时回退 CPU。配套内容包括 ROCm 版 latest-amd Docker 镜像、AMD GPU CI 测试以及安装使用指引；MIGraphX 路径限定 Linux x86_64 与 Python 3.11+。MIGraphX 编译模型带缓存，后续加载无需重新编译，但首次运行仍有编译开销。发布说明还提到数据集与训练修复（跨缓存模式读取已有图像缓存、保留归档时间戳以避免标签重扫、修正 RT-DETR 训练中的去噪查询匹配）以及导出与任务相关修复。
从发布说明看，这次集成把 AMD 路径拆成两条：训练侧走 ROCm 上的原生 PyTorch，推理侧走 ONNX + MIGraphX，并做自动提供程序选择与 CPU 回退，说明工程重点在降低切换成本而非重写算子栈。MIGraphX 编译缓存只解决重复启动开销，首次编译延迟仍在，因此冷启动场景的收益需要实测。可验证下一信号：官方是否公布 MIGraphX 与 ROCm 两条路径在更多 AMD 型号上的精度与延迟对比，以及 CI 是否覆盖非 Radeon 8060S 的硬件。
把 AMD 支持做进主线版本并配 Docker 镜像与 CI，意味着该工具链在推理部署上从单一 NVIDIA 生态向多供应商扩展，对受 GPU 供给或采购成本约束的团队提供了替代路径。但发布说明中的性能对比仅覆盖 Radeon 8060S 的特定配置，尚不足以证明在数据中心级 AMD 加速卡上具备同等成熟度。可验证下一信号：是否出现第三方在 MI 系列或云端 AMD 实例上的独立复现与部署案例。
对自建推理或边缘部署的团队，多一个可自动回退的 AMD 执行路径，可在采购与云成本上增加议价空间，并降低对单一 GPU 供应商的锁定；但需先自行验证目标硬件上的精度与冷启动延迟，因为公开基准仅覆盖 Radeon 8060S 的测试配置。
若 MIGraphX 路径的首次编译开销被进一步优化，或缓存可跨容器与版本复用，AMD 推理的可用性会明显提升；反之若长期只有单一硬件型号的基准，采用仍会集中在边缘与工作站场景。观察点是后续版本是否扩展 MIGraphX 的平台与 Python 版本支持范围。