hcc 的安装和配置教程
2025-05-17 15:06:16作者:伍霜盼Ellen
1. 项目的基础介绍和主要的编程语言
HCC(Heterogeneous Compute Compiler)是一个开源的优化C++编译器,专为异构计算而设计,目前支持ROCm GPU计算平台。HCC能够将符合并行编程标准的程序(如HC、C++ 17 ParallelSTL)转换成AMD GCN指令集。该项目基于LLVM+CLANG,是一个使用C++作为主要编程语言的开发项目。
2. 项目使用的关键技术和框架
HCC项目使用了以下关键技术:
- LLVM/CLANG:作为底层编译框架,提供基础的编译和优化功能。
- HSA(Heterogeneous System Architecture):一种开放标准,用于支持异构计算,使得CPU和GPU能够高效协作。
- ROCm(Radeon Open Compute):AMD的开源GPU计算平台,提供了一系列用于高性能计算的库和工具。
3. 项目安装和配置的准备工作和详细的安装步骤
准备工作
在开始安装HCC之前,请确保您的系统满足以下要求:
- 操作系统:支持ROCm的Linux发行版。
- 依赖:安装必要的构建工具和依赖库,包括GCC、CMake、LLVM/CLANG等。
- 权限:确保您有足够的权限进行安装,可能需要使用
sudo。
安装步骤
-
克隆项目
从GitHub克隆HCC项目仓库,并使用
--recursive选项获取所有子模块:git clone --recursive -b clang_tot_upgrade https://github.com/RadeonOpenCompute/hcc.git -
构建HCC
创建一个构建目录,并使用CMake配置项目,然后编译:
mkdir -p build cd build cmake -DCMAKE_BUILD_TYPE=Release .. make -
安装HCC
使用以下命令安装HCC到系统:
sudo make install -
使用HCC
安装完成后,您可以使用HCC编译HC源代码。例如,编译一个名为
foo.cpp的文件:hcc -hc foo.cpp -o foo如果您需要为不同的GPU目标生成指令集,可以使用
--amdgpu-target选项指定多个目标:hcc -hc --amdgpu-target=gfx803 --amdgpu-target=gfx900 foo.cpp
以上步骤是基于Linux系统的通用指南,具体的安装细节可能会根据您的系统和环境有所不同。确保您在安装过程中遵循了系统特定的指南和要求。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1