KTransformers项目在海光DCU K100A (gfx928)上的适配实践

背景介绍

KTransformers是一个基于CUDA/ROCm的高性能Transformer推理框架，旨在提供高效的模型推理能力。近期有开发者在海光DCU K100A（架构代号gfx928）上尝试部署KTransformers时遇到了编译适配问题。

问题现象

开发者在海光DCU K100A平台上执行make dev_install命令时，编译过程在54/54步骤后出现错误。错误信息显示编译器尝试为gfx908、gfx90a等AMD GPU架构生成代码，但未能识别本地实际的gfx928架构。

技术分析

架构兼容性问题

通过代码审查发现，KTransformers项目中确实缺少对gfx928架构的显式支持。项目中的HIP相关头文件仅定义了以下架构的宏判断：

• gfx803
• gfx900
• gfx906
• gfx908
• gfx90a
• gfx942

海光DCU的特殊性

海光DCU K100A采用gfx928架构，是海光基于AMD GPU架构的定制版本。在海光提供的DAS软件栈中，可以找到明确的gfx928架构定义和相关支持文件：

• 环境变量中设置了AMDGPU_TARGETS包含gfx928
• HIP工具链中包含gfx928的目标文件
• 配置文件明确列出了gfx928架构

解决方案

环境配置关键点

1. 软件栈依赖：必须使用海光DAS软件栈配套的AI组件包，包括：

   • 专用版本的PyTorch
   • Apex扩展库
   • FastPT加速库

2. 环境激活：需要正确加载DAS环境变量，特别是CUDA相关的环境配置。

3. 编译选项：确保编译系统能够正确识别gfx928架构目标。

实际解决步骤

1. 确认基础环境：

   • 安装DAS软件栈
   • 验证torch、apex、fastpt等关键组件可正常导入

2. 激活DTK环境：

   source /opt/dtk-25.04-DCC-2503/env.sh
   

3. 设置架构目标：

   export AMDGPU_TARGETS="gfx928"
   

4. 重新执行编译安装流程

后续优化建议

1. 架构支持扩展：建议项目方在代码中增加对gfx928架构的显式支持，提升兼容性。

2. 容器化部署：考虑使用海光提供的预配置容器环境，可避免复杂的依赖问题。

3. 性能调优：针对海光DCU特有的硬件特性进行针对性优化，如：

   • 内存访问模式优化
   • 计算单元利用率提升
   • 专用指令集利用

经验总结

在海光DCU平台上部署KTransformers这类高性能推理框架时，需要特别注意：

1. 必须使用厂商提供的专用软件栈和工具链
2. 架构兼容性检查是首要步骤
3. 环境变量配置对编译成功至关重要
4. 容器化方案能显著降低部署复杂度

通过正确的环境配置和必要的代码调整，KTransformers能够成功在海光DCU K100A平台上运行，为国产AI加速卡生态提供了更多可能性。