CUDA 到 ROCm 的迁移与优化指南
本模块专注于 ROCm 基础设施和算子优化，帮助开发者将 CUDA 代码迁移到 ROCm 平台，并掌握 AMD GPU 上的性能优化技巧。
随着 AMD GPU 在 AI 领域的崛起，越来越多的开发者需要将现有的 CUDA 代码迁移到 ROCm 平台。本模块提供系统的迁移指南和优化实践，帮助你充分发挥 AMD GPU 的性能潜力。
HIPify 是 AMD 提供的自动化工具，可以将 CUDA 代码自动转换为 HIP 代码（ROCm 的编程接口）。本教程将指导你如何使用 HIPify 完成代码迁移。
- 适合人群：有 CUDA 开发经验、需要迁移代码的开发者
- 难度等级：⭐⭐⭐
- 预计时间：2 小时
核心内容：
- HIPify 工具安装与配置
- 自动转换 CUDA 代码
- 手动调整与兼容性处理
- 迁移后的验证与测试
本教程介绍如何将 cuBLAS/cuDNN 代码迁移到 rocBLAS/MIOpen，实现基础数学库和深度学习库的无缝切换。
- 适合人群：使用底层数学库的开发者
- 难度等级：⭐⭐⭐
- 预计时间：1.5 小时
核心内容：
| CUDA | ROCm | 说明 |
|---|---|---|
| cuBLAS | rocBLAS | 基础线性代数库 |
| cuDNN | MIOpen | 深度学习原语库 |
| cuFFT | rocFFT | 快速傅里叶变换 |
| cuSPARSE | rocSPARSE | 稀疏矩阵库 |
- API 对照与转换
- 性能调优技巧
- 常见问题解决
RCCL（ROCm Communication Collectives Library）是 AMD 版本的集合通信库，用于多 GPU 分布式训练。本教程介绍如何从 NCCL 迁移到 RCCL。
- 适合人群：进行多 GPU 分布式开发的开发者
- 难度等级：⭐⭐⭐⭐
- 预计时间：2 小时
核心内容：
- RCCL 安装与环境配置
- NCCL API 到 RCCL 的映射
- 多节点通信配置
- 分布式训练集成
性能分析是优化的基础。本教程介绍如何使用 ROCm 的性能分析工具替代 NVIDIA Nsight 系列工具。
- 适合人群：需要进行性能调优的开发者
- 难度等级：⭐⭐⭐
- 预计时间：1.5 小时
核心内容：
| NVIDIA 工具 | ROCm 工具 | 用途 |
|---|---|---|
| Nsight Systems | rocprof | 系统级性能分析 |
| Nsight Compute | rocprof --stats | 内核级性能分析 |
| nvprof | rocprof | 命令行分析工具 |
| Nsight Graphics | ROCm Debugger | 图形调试 |
- 性能数据采集
- 热点分析与优化
- 可视化工具使用
- AMD GPU（支持 ROCm）
- 建议使用 MI 系列或 RX 7000 系列
- 操作系统：Linux (Ubuntu 22.04+)
- ROCm 7.10.0 或更高版本
- CMake 3.16+
- GCC 9+ 或 Clang 12+
# 1. 安装 ROCm 开发工具
sudo apt install rocm-dev hip-dev
# 2. 验证 HIP 环境
hipcc --version
# 3. 编译简单的 HIP 程序
hipcc hello_hip.cpp -o hello_hip
./hello_hip// CUDA 代码
cudaMalloc(&d_ptr, size);
cudaMemcpy(d_ptr, h_ptr, size, cudaMemcpyHostToDevice);
kernel<<<grid, block>>>(d_ptr);
cudaFree(d_ptr);
// HIP 代码（几乎相同！）
hipMalloc(&d_ptr, size);
hipMemcpy(d_ptr, h_ptr, size, hipMemcpyHostToDevice);
hipLaunchKernelGGL(kernel, grid, block, 0, 0, d_ptr);
hipFree(d_ptr);Q: HIPify 转换后的代码能否在 NVIDIA GPU 上运行？
是的！HIP 代码具有跨平台特性，可以通过条件编译同时支持 AMD 和 NVIDIA GPU。
Q: ROCm 支持哪些 CUDA 版本的 API？
ROCm 的 HIP 接口兼容大部分 CUDA Runtime API，具体兼容性请参考 HIP API 文档。
Q: 迁移后性能下降怎么办？
- 使用 rocprof 进行性能分析
- 检查内存访问模式是否适合 AMD GPU 架构
- 调整 workgroup size 和 wavefront 配置
- 查阅 AMD GPU 架构优化指南