Quem usa uma GPU AMD pode explorar a programação genética em árvore do EvoGP sem manter outro mecanismo de busca. A PR #12, integrada em 17 de junho de 2026 UTC (18 de junho em Pequim), abre esse caminho por ROCm/HIP. A mudança envolve compilar a extensão e preservar o significado dos programas durante a execução.

Ilustração conceptual: a mesma representação atravessa fronteiras de backends GPU.
Uma base de código para CUDA e ROCm
A integração de junho usa a conversão HIP do PyTorch durante a construção para compilar extensões CUDA em AMD. As opções são escolhidas por backend e um cabeçalho exclusivo de CUDA é protegido. Com PyTorch ROCm, não é necessário manter outros algoritmos.
A alocação dinâmica das pilhas dos interpretadores é substituída por arrays locais fixos. O contribuidor associou erros AMD ao aliasing de alocações entre wavefronts residentes. Pilhas separadas são importantes: usar o estado temporário de outra thread pode produzir aptidão errada e comprometer a seleção.
Traduzir os kernels é apenas parte do trabalho
A conversão HIP do PyTorch traduz fontes CUDA, mas os argumentos ainda chegam ao compilador do dispositivo. Opções NVIDIA não podem ser simplesmente passadas ao hipcc. A configuração mantém a lista CUDA e usa -O3 no ramo ROCm; um cabeçalho exclusivo de CUDA também é protegido. ROCm PyTorch oferece a conversão, enquanto o EvoGP precisa adaptar sua configuração de compilação. Mudanças de compilação
Preparar o ambiente correto de construção
As instruções de código exigem ferramentas GPU, compilador C++ e PyTorch compatíveis. Para AMD, use ROCm com hipcc e PyTorch ROCm. A opção --no-build-isolation constrói a extensão usando esse ambiente instalado.
Os exemplos mantêm as strings de dispositivo cuda no ROCm porque essa é a interface PyTorch. PYTORCH_ROCM_ARCH seleciona uma arquitetura AMD específica. Trata-se de uma escolha de construção, não de reescrever árvores ou operadores evolutivos.
Executar a mesma busca num backend verificado
O contribuidor relata testes em MI250X, W7800, RX 9070 XT e PRO V710, com sistemas e versões ROCm listados na PR. Foram usados 1 000 indivíduos, 100 gerações e semente fixa. São verificações reportadas para essas configurações, não garantias independentes do hardware.
python -m evogp.sr_test
Para regressão simbólica, confirme primeiro a compilação e a conclusão do pequeno teste com aptidão finita. As verificações do contribuidor incluem dispositivos wave32 e wave64 e relatam trajetórias iguais com semente fixa, não uma nova promessa geral de aceleração. Mantenha dados, população e semente ao comparar o seu hardware. A introdução ao EvoGP explica a representação; a posterior correção dos relatórios trata de outro custo por geração.