ROCm安装记录

[Coding] Posted on Apr 6, 2020 · 5 minute read

安装环境

PVE虚拟机：Ubuntu 18.04.4
显卡：直通RX580

安装教程

https://rocm-documentation.readthedocs.io/en/latest/Installation_Guide/Installation-Guide.html

简单将Ubuntu的部分简单翻译

从debian仓库安装ROCm

Step1：执行下列命令，确保系统的组件为最新:

建议替换为清华源

sudo apt update

sudo apt dist-upgrade

sudo apt install libnuma-dev

sudo reboot

Step2：增加ROCm apt 仓库地址

对于类似Ubuntu的基于Debian的系统执行下列命令：

wget -q -O - http://repo.radeon.com/rocm/apt/debian/rocm.gpg.key | sudo apt-key add -

echo 'deb [arch=amd64] http://repo.radeon.com/rocm/apt/debian/ xenial main' | sudo tee /etc/apt/sources.list.d/rocm.list

Step3：更新仓库列表然后安装 rocm-dkms meta-package:

sudo apt update

sudo apt install rocm-dkms

Step4：设置权限。

必须成为video用户组的一员才能访问GPU。利用以下命令确定当前用户是否是video用户组的一员

groups

执行下列语句添加当前用户到video组，需要当前用户是sudoer

sudo usermod -a -G video $LOGNAME

执行下列语句，会在下次新建用户时，默认将用户加到video组:

echo 'ADD_EXTRA_GROUPS=1' | sudo tee -a /etc/adduser.conf

echo 'EXTRA_GROUPS=video' S| sudo tee -a /etc/adduser.conf

Step5：重启

Step6：简单测试安装

重启之后运行以下命令，确认安装是否成功，如果在命令输出结果中都能看见你的GPU，那么安装成功了

/opt/rocm/bin/rocminfo
/opt/rocm/opencl/bin/x86_64/clinfo

Note:为了运行ROCm程序更加高效，可执行以下命令，增加ROCm二进制路径到PATH中.

echo 'export PATH=$PATH:/opt/rocm/bin:/opt/rocm/profiler/bin:/opt/rocm/opencl/bin/x86_64' |
sudo tee -a /etc/profile.d/rocm.sh

从Ubuntu中删除ROCm相关软件包

从Ubuntu 16.04.6 或者 Ubuntu 18.04.4中卸载ROCm相关软件包，执行以下命令:

sudo apt autoremove rocm-opencl rocm-dkms rocm-dev rocm-utils

安装相关开发软件包以支持跨平台编译

推荐在不同的平台上开发和测试软件包。例如有的开发或者构建环境上并没有安装AMD的GPU，在这样的情况下应该避免安装ROCk 内核驱动在开发的机器中。

应该使用下列命令安装开发软件包：

sudo apt update
sudo apt install rocm-dev

Note: 如果需要执行ROCm使能的应用软件，那么你必须在环境中安装完整的ROCm驱动栈。

配合上有内核使用基于Debian的ROCm

你可以不安装AMD的定制化ROCk内核驱动，直接安装ROCm作为用户层软件。

如果想要使用上游内核，使用以下命令安装ROCm而不是直接安装rocm-dkms：

sudo apt update
sudo apt install rocm-dev
echo 'SUBSYSTEM=="kfd", KERNEL=="kfd", TAG+="uaccess", GROUP="video"'
sudo tee /etc/udev/rules.d/70-kfd.rules

利用TensorFLow benchmarks确认安装结果

下载代码

git clone https://github.com/tensorflow/benchmarks.git

安装依赖

sudo apt install rocm-libs python3-pip

如果运行报错：

librccl.so: cannot open shared object file: No such file or directory

说明缺少依赖 rccl

sudo apt install rccl

安装tensorflow-rocm

参照 pypi镜像使用帮助利用清华源镜像下载tensorflow-rocm

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-rocm

运行脚本

cd benchmarks/scripts/tf_cnn_benchmarks
python3 tf_cnn_benchmarks.py --num_gpus=1 --batch_size=64 --model=resnet50

运行结果

由于是在不完全显卡直通的pve虚拟机上运行的，基本性能只有网上测评的一般，上述命令测试结果是：88 images/sec

后续测试

由于tensorflow benchmarks中的script不在推荐，下次会再次使用其中提供的perfzero进行测试。