Apa saja kriteria memilih prosesor gaming dengan budget 1 jutaan?

Pilih berdasarkan jumlah core / thread yang cukup, kecepatan clock tinggi untuk single-core, efisiensi daya, serta kompatibilitas motherboard agar tidak bengkak biaya.

Apakah prosesor Intel Core i5-12400F lebih baik daripada AMD Ryzen 5 5600 di harga dan performa?

Untuk performa gaming murni dan single-core, i5-12400F unggul; tapi Ryzen 5 5600 lebih efisien di daya dan sering menawarkan value lebih dalam beberapa game tergantung setting.

Apakah pilihan prosesor dengan iGPU (seperti Ryzen 5 5500GT) cocok untuk gamer pemula?

Ya, jika kalian belum punya VGA diskrit; iGPU bisa cukup untuk game ringan atau e-sport tapi untuk game AAA berat perlu tambahan GPU di kemudian hari.

AMD Luncurkan ROCm 5.7: Tingkatkan Kemampuan HPC & AI

AMD telah mengumumkan peluncuran ROCm 5.7, dimana ini merupakan platform software terbuka yang dirancang untuk komunitas High-Performance Computing (HPC) dan Artificial Intelligence (AI).

ROCm menyediakan akses ke bahasa komputasi terbuka, kompiler, perpustakaan, dan alat untuk mempercepat pengembangan kode dan mengatasi tantangan kompleks di bidang ini. Berikut beberapa fitur dan komponen utama ROCm 5.7.

Baca juga : Rekomendasi Komponen Terbaik Buat Rakit PC AMD Ryzen 5 7500F

Table of Contents

HIPTensor

HIPTensor adalah library C++ yang diperkenalkan di ROCm 5.7 untuk mempercepat tensor primitif. Ia menggunakan backend kernel yang dapat disusun dan mendukung alur kerja kontraksi tensor, termasuk operasi bilinear dan skala.

HIPTensor juga dilengkapi kemampuan logging kontekstual dan bertujuan untuk memberikan portabilitas fitur cuTensor untuk GPU AMD. Ini dapat menghasilkan rencana kontraksi untuk memecahkan masalah kontraksi dengan menggunakan metode yang berbeda. Saat ini mendukung GPU AMD Instinct seri MI100 dan MI200 dengan berbagai tipe data.

rocRAND RNG Optimization

Di ROCm 5.7, telah ada optimasi untuk distribusi diskrit dalam perpustakaan rocRAND. Pengoptimalan ini meningkatkan kinerja pembuatan bilangan acak untuk distribusi diskrit. Ini melibatkan penerusan hanya anggota yang diperlukan dari struct rocrand_discrete_distribution ke fungsi tabel diskrit, yang dibuat lebih efisien dengan menggunakan kata kunci pembatas di C.

MIGraphX

MIGraphX merupakan kompiler grafik yang berfokus pada percepatan inferensi pembelajaran mesin untuk hardware AMD. Ini mengubah model ONNX atau TensorFlow menjadi representasi grafik internal (IGR) dan melakukan berbagai pengoptimalan seperti fusi operator, penyederhanaan aritmatika, dan propagasi konstan untuk meningkatkan performa inferensi.

MIGraphX dapat menghasilkan kode untuk GPU AMD dengan memanggil library ROCm lain atau dengan membuat kernel HIP. Ini juga mendukung penargetan CPU menggunakan perpustakaan DNNL atau ZenDNN. MIGraphX menyediakan API C++ dan Python untuk mengimpor, mengompilasi, menyimpan, memuat, dan menjalankan model pembelajaran mesin.

Dynamic Batch

MIGraphX di ROCm 5.7 memperkenalkan fitur yang disebut Dynamic Batch. Fitur ini memungkinkan pengguna untuk memasukkan data dengan berbagai ukuran batch ke dalam model yang dikompilasi, sehingga lebih fleksibel untuk berbagai input data. Pengguna dapat memberikan berbagai ukuran batch untuk dioptimalkan selama kompilasi model.

Secara keseluruhan, ROCm 5.7 menghadirkan beberapa penyempurnaan dan fitur baru untuk meningkatkan fleksibilitas, kinerja, dan kemudahan penggunaan untuk beban kerja HPC dan AI. Pengembang dan peneliti yang tertarik dengan fitur ini dapat mengunduh ROCm 5.7 dari repositori AMD GitHub untuk eksplorasi dan pemanfaatan lebih lanjut.

Comments