AMD GPU使用A卡进行ai模型训练

Posted 2022-11-10 晓舟 XiaozhouTAT

在linux中使用A卡进行ai模型训练

• 吐槽
• • 使用的设备配置
• 安装GPU驱动
• • 添加path
• 安装MIopen
• 安装pytorch
• • rx580用户安装pytorch
• 运行stable-diffusion-webui
• • • 提示cuda错误，解决方法
• 疑难杂症解决
• • rocm-gdb依赖libpython3.8解决
  • rocm-llvm依赖python但无法安装它
  • 运行launch.py时出现语法错误或者切换python版本版本
  • Can't run without a checkpoint. Find and place a .ckpt file into any of those locations. The program will exit.
  • 安装完驱动重启黑屏
  • 运行后下载插件超时
  • GPU看戏（指GPU不工作）
• 愉快玩耍
• • 显卡监控（选装）

吐槽

rocm都更新这么多版本了怎么还没有windows的
##RX580用户看过来
rocm4.0版本后就不支持RX580了，垃圾AMD

使用的设备配置

linux:Ubuntu20.04
CPU:R9-5900hx
GPU:RX6800M 12G
python:3.10.6

安装GPU驱动

如果你已经安装成功了gpu驱动可以跳过
如果之前装过其它版本没有驱动成功的，在终端输入
sudo amdgpu-install --uninstall卸载驱动

访问amd官网下载amdgpu-install_xxxxxx.xxxxxx_all.deb

进入安装包所在的目录
接着在终端输入：sudo apt install ./amdgpu-install_xxxxxxx-xxxxxx_all.deb（注：amdgpu-install_xxxxxxx-xxxxxx_all.deb指的是你下载的amdgpu版本

然后sudo apt update再sudo apt upgrade -y

开始安装驱动

sudo amdgpu-install --no-dkms
sudo apt install rocm-dev
//安装完后重启
sudo reboot

配置环境

ls -l /dev/dri/render*
sudo usermod -a -G render $LOGNAME
sudo usermod -a -G video $LOGNAME
sudo reboot

测试

# 显示gpu性能监控
rocm-smi
#查看显卡信息的两条命令（直接在终端输入）
/opt/rocm/bin/rocminfo
/opt/rocm/opencl/bin/clinfo
#有一条报错可能是没安装好

添加path

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

安装MIopen

#安装hip
apt-get install miopen-hip
#下载miopenkernels，适用与gfx1030的a卡，如果你不是可以试一下
链接：https://www.123pan.com/s/xW39-oyMmH
sudo dpkg -i miopenkernels-gfx1030-36kdb_1.1.0.50200-65_amd64.deb

安装pytorch

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/rocm5.1.1

rx580用户安装pytorch

下载4.0前的rocm（点我）
因为AMD显卡的命名很乱，所以推荐安装3.7版本的（应该是3.5.1的但官方没编译，据说3.7以后版本会报错）
因为python版本不是使用对应本文的3.10版本，所以自行挑选cp3.9或者cp3.8版本的（指python版本）
进入下载了pytorch的目录

pip install wheel numpy
pip install pytorch文件名加后缀
pip install pytorchvision==0.8.2
pip install torchaudio

运行stable-diffusion-webui

sudo apt install git
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
#一般会提示pip版本太低，更新一下
python -m pip install --upgrade pip wheel
HSA_OVERRIDE_GFX_VERSION=10.3.0 python launch.py --precision full --no-half
#HSA_OVERRIDE_GFX_VERSION可以模拟版本可以填9.0.0或者8.0.3（没试过）
//一般来讲会提示没有模型，如果有扔./models/Stable-diffusion里，本文不提供，自行百度

提示cuda错误，解决方法

torch is not able to use gpu

#打开launch.py找到这句代码
commandline_args = os.environ.get('COMMANDLINE_ARGS', "")
#改成
commandline_args = os.environ.get('COMMANDLINE_ARGS', "--skip-torch-cuda-test")

疑难杂症解决

rocm-gdb依赖libpython3.8解决

进软件和更新——其他软件——添加下面软件源

deb https://ppa.launchpadcontent.net/deadsnakes/ppa/ubuntu jammy main

更新一下软件源

sudo apt upgrade
sudo apt update

安装libpython3.8并重新运行amdgpu-install

sudo apt install libpython3.8
sudo amdgpu-install

rocm-llvm依赖python但无法安装它

找个目录进行操作

apt download rocm-llvm
ar x rocm-llvm_xxxx.xxxxx_amd64.deb
tar xf control.tar.xz
#编辑文件，如果没有vim将先安装sudo apt install vim
vim control
#找到如下一行：
Depends: python, libc6, libstdc++6|libstdc++8, libstdc++-5-dev|libstdc++-7-dev, libgcc-5-dev|libgcc-7-dev, rocm-core
#改为如下内容：
Depends: python3, libc6, libstdc++6|libstdc++8, libstdc++-5-dev|libstdc++-7-dev|libstdc++-10-dev, libgcc-5-dev|libgcc-7-dev|libgcc-10-dev, rocm-core
#重新打包
tar c postinst prerm control | xz -c > control.tar.xz
ar rcs rocm-llvm.deb debian-binary control.tar.xz data.tar.xz
#安装前先安装依赖
sudo apt install libstdc++-10-dev libgcc-10-dev rocm-core
#安装
sudo dpkg -i rocm-llvm.deb
#重新安装驱动
sudo amdgpu-install

运行launch.py时出现语法错误或者切换python版本版本

多半是你ubuntu默认python不对应

#先查看本地安装了多少个python
ls /usr/bin/python*
#正常来讲会出现一下内容
#/usr/bin/python      /usr/bin/python3.10-config  /usr/bin/python3-futurize
#/usr/bin/python3     /usr/bin/python3.8          /usr/bin/python3-pasteurize
#/usr/bin/python3.10  /usr/bin/python3-config 
#我们要用的是python3.10的，所以
sudo rm /usr/bin/python  #删除原来的链接
sudo ln -s /usr/bin/python3.10 /usr/bin/python    #创建新的链接
python --version    #测试

Can’t run without a checkpoint. Find and place a .ckpt file into any of those locations. The program will exit.

你没有模型，把模型放进/models/Stable-diffusion里面吧（cpkt文件）

安装完驱动重启黑屏

启动的时候选择第二项(recovery模式)后，再选第一项继续进入系统，进来后卸载驱动

运行后下载插件超时

下载插件的速度三取决与年访问github是否流畅，很卡的话就修改launch.py吧
例

gfpgan_package = os.environ.get('GFPGAN_PACKAGE', "git+https://github.com/TencentARC/GFPGAN.git@8d2447a2d918f8eba5a4a01463fd48e45126a379")
修改成
gfpgan_package = os.environ.get('GFPGAN_PACKAGE', "git+https://gitclone.com/github.com/TencentARC/GFPGAN.git@8d2447a2d918f8eba5a4a01463fd48e45126a379")

GPU看戏（指GPU不工作）

用root环境运行webui吧（没试过）

su
#输入密码，如果没设置就用sudo passwd root设置密码
HSA_OVERRIDE_GFX_VERSION=10.3.0 python launch.py --precision full --no-half
#HSA_OVERRIDE_GFX_VERSION可以模拟版本可以填9.0.0或者8.0.3（没试过）

愉快玩耍

进webui目录执行以下操作

HSA_OVERRIDE_GFX_VERSION=10.3.0 python launch.py --precision full --no-half

如果运行时出现什么hip错误找不到gfx1030或者其他版号的可以不用管，等待一会就可以了，后面生成就不会提示，（每次启动第一次运行都会这样）

显卡监控（选装）

sudo apt install radeontop
radeontop