验证客户机

本页在客户机内确认 amdgpu 驱动与 ROCm 栈已就绪，并运行第一个 HIP 程序。 驱动参数与手动恢复的完整说明见第 4 章，本页只走默认路径。

自动初始化

客户机启动后，cosim-gpu-initialize.service 自动执行以下步骤：

  1. 把 /root/roms/mi300.rom 写入物理地址 0xC0000 的 VGA ROM 区域；

  2. 把 mi300_discovery 链接为 ip_discovery.bin；

  3. 移除 cmdline 的运行时 modprobe blacklist，然后用固定参数加载 amdgpu；

  4. 检查每个 AMD PCI 设备都有对应的 DRM card，否则以非零状态退出。

服务通常约 40 秒完成。检查状态：

systemctl status cosim-gpu-initialize.service
journalctl -u cosim-gpu-initialize.service -b | tail -20

检查 GPU 与 ROCm

dmesg | grep -i amdgpu | tail -20
lspci -d 1002:
rocm-smi
rocminfo | head -40

预期结果：lspci 显示 AMD 设备，rocm-smi 显示设备号 0x74a0， rocminfo 的代理名称是 gfx942。加载过程中出现若干 fence fallback timer 警告属于正常现象，是 DRM 探测 ring buffer 时的超时回退。

第一个 HIP 程序

在客户机内创建向量加法程序：

#include <hip/hip_runtime.h>
#include <cstdio>

__global__ void vec_add(int *a, int *b, int *c, int n) {
    int i = blockIdx.x * blockDim.x + threadIdx.x;
    if (i < n) c[i] = a[i] + b[i];
}

int main() {
    const int N = 4;
    int ha[N] = {1, 2, 3, 4};
    int hb[N] = {10, 20, 30, 40};
    int hc[N] = {0};

    int *da, *db, *dc;
    hipMalloc(&da, N * sizeof(int));
    hipMalloc(&db, N * sizeof(int));
    hipMalloc(&dc, N * sizeof(int));
    hipMemcpy(da, ha, N * sizeof(int), hipMemcpyHostToDevice);
    hipMemcpy(db, hb, N * sizeof(int), hipMemcpyHostToDevice);

    vec_add<<<1, N>>>(da, db, dc, N);

    hipMemcpy(hc, dc, N * sizeof(int), hipMemcpyDeviceToHost);
    printf("Result: %d %d %d %d\n", hc[0], hc[1], hc[2], hc[3]);

    bool pass = (hc[0] == 11 && hc[1] == 22 && hc[2] == 33 && hc[3] == 44);
    printf("%s\n", pass ? "PASSED!" : "FAILED!");
    hipFree(da); hipFree(db); hipFree(dc);
    return pass ? 0 : 1;
}

把内容保存为 /tmp/vec_add.cpp 后编译并运行：

/opt/rocm/bin/hipcc --offload-arch=gfx942 -o /tmp/vec_add /tmp/vec_add.cpp
/tmp/vec_add

预期输出：

Result: 11 22 33 44
PASSED!

警告

--offload-arch 必须是 gfx942；报错找不到 ROCm device library 时， 先确认 /opt/rocm/lib 存在。

手动恢复驱动

只有自动服务未执行或需要重新加载驱动时才使用手动步骤。按顺序执行：

dd if=/root/roms/mi300.rom of=/dev/mem bs=1k seek=768 count=128
ln -sf /usr/lib/firmware/amdgpu/mi300_discovery \
    /usr/lib/firmware/amdgpu/ip_discovery.bin
modprobe amdgpu ip_block_mask=0x67 ppfeaturemask=0 dpm=0 audio=0 \
    ras_enable=0 discovery=2

警告

dd 必须在 modprobe 之前执行，否则驱动的 BIOS 发现链失败，会在 amdgpu_atom_parse_data_header 处发生空指针崩溃。ip_block_mask 必须使用 0x67，同时禁用未建模的 PSP 与 SMU；0x6f 会导致内核 panic。

参数含义、ROM 写入细节与更多已知问题见 客户机驱动要求 与 客户机参数，以及 已知问题。

相关页面