前几天，处于某种原因，申请了一台新机器，配置的CPU是“AMD Ryzen 5 5600G with Radeon Graphics”， 配置了32G的内存，最大可以给集显分配16G的显存。随便跑下stable-diffusion，结果发现很悲剧。
-
stable-diffusion 加载模型卡住了 根据成功的经验（https://qiita.com/asfdrwe/items/1ca2d07777415f399a3b）。 别人用的是fedora，我用的是ubuntu 22.04, 按照提示，需要配置下面的变量
export HSA_OVERRIDE_GFX_VERSION=9.0.0 export DEVICE=hip
然后我的加载模型后(1.5.1版本)就卡住了, 1.6.0版本没有显示加载模型参数的提示。 切换各个pytorch版本都不行，设置HSA_OVERRIDE_GFX_VERSION就各种报错，不是内存非法， 就是驱动错误，除非 重启，否则貌似无法从错误中恢复了。 然后各种搜索，各种尝试，无果，我大概把网上能找到关于5600G进行ai训练的文章翻遍了。
-
跑我之前随便写的一个pytorch训练程序 stable-diffusion 实在太多代码了，就跑下我之前写的一个训练程序看看，然后一个一个输出， 最后发现Model.to(device)卡住了。我的这个训练程序，卡住之后，只能将进程kill掉，否则Ctrl-C都无法 退出。使用strace跟踪，发现卡在了“ioctl(3, AMDKFD_IOC_MAP_MEMORY_TO_GPU, 0x7ffc43808df0) = 0”， 但我不知道如何解决。 各种尝试中，最常见的错误：
Memory access fault by GPU node-1 (Agent handle: 0x79de240) on address (nil). Reason: Page not present or supervisor privilege. Aborted (core dumped) "hipErrorNoBinaryForGpu: Unable to find code object for all current devices!" Aborted (core dumped) Segmentation fault (core dumped)
包括github(https://github.com/pytorch/pytorch/issues/103973)中提到的关于atomics的支持（这个我也不知道是什么，但根据提示，我的不支持，一个15，一个13） amd 驱动安装的各种程序也被我研究了一遍，没发现特殊的东西
-
曙光 瞎转悠的时候，看到github(https://github.com/RadeonOpenCompute/ROCm/issues/2418) 中提到将内存中的数据往GPU中转移的时候卡住了，这不就是我第二步的疑惑么。 他的是hipMemcpy， 不过，里面提到了使用AMD_LOG_LEVEL=5 这个变量可以查看hip的调用日志。于是，赶紧试了下，发现果然卡在了这个函数中。 然后根据提示，在grub的启动中，加入下面的参数:
amdgpu.ppfeaturemask=0xffff3fff amdgpu.runpm=0x0
这个我之前其实看到过，不过他们的都是独立显卡，我的是个集成显卡，感觉不适用。最后么，还是加入试下。 我目前的启动参数如下:
#cat /proc/cmdline BOOT_IMAGE=/vmlinuz-5.15.0-83-generic root=UUID=37873ac3-14da-4fd0-acb8-9a2a111b113a ro acpi_enforce_resources=lax idle=nomwait amdgpu.ppfeaturemask=0xffff3fff amdgpu.runpm=0x0
重启之后，果然可以了。 不过从我自己的程序来看，amd gpu的运算的loss和val loss相比nvidia，差距好大。 然后再到stable-diffusion中试了了，模型加载成功了。 但是，画出来的都是黑的(1.6.0)。。。。而这个问题，我看到有人反应过。这貌似是pytorch的一个bug(https://github.com/RadeonOpenCompute/ROCm/issues/2314) 或者就是rocm的，他们俩总有一个是坏人。 最后，使用rocm 5.2的版本:
pip install torch==1.13.1+rocm5.2 torchvision==0.14.1+rocm5.2 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/rocm5.2
从某种意义上说，这款CPU可能不能给你满意的训练速度，但得益于可以设置最够大的显存，让很多ai的训练至少得以运行。