ROCm在WSL2环境下多GPU兼容性问题分析与解决方案

问题背景

在Windows Subsystem for Linux 2 (WSL2)环境中使用AMD ROCm平台时，用户报告了一个关键问题：当系统中同时存在AMD和非AMD显卡时，运行rocminfo命令会出现断言失败错误。这个问题主要影响使用AMD Radeon RX 7900系列显卡的用户，特别是当系统中还安装了NVIDIA显卡时。

问题现象

用户在WSL2环境下安装ROCm 6.3.4版本后，执行rocminfo命令时遇到以下错误信息：

WSL environment detected.
rocminfo: ./sources/wsl/libhsakmt/src/thunk_proxy/thunk_proxy.cpp:111: void thunk_proxy::QueryAdapterInfo(D3DKMT_HANDLE, ATIADAPTERINFO*): Assertion `ret == STATUS_SUCCESS' failed.
Aborted (core dumped)

问题根源分析

经过技术团队深入调查，发现该问题与WSL2环境下的多GPU处理机制有关：

1. GPU枚举问题：ROCm的WSL实现中，thunk_proxy组件在查询适配器信息时，未能正确处理系统中存在多个不同厂商GPU的情况。

2. 驱动兼容性：当系统中同时启用AMD和非AMD显卡时，Windows显示驱动与WSL2的GPU透传机制之间存在兼容性问题。

3. 断言失败：具体发生在libhsakmt库的thunk_proxy.cpp文件中，当尝试查询适配器信息时，返回状态不符合预期导致断言失败。

验证过程

多位用户参与了问题验证，发现了以下关键现象：

1. 单AMD GPU环境：仅启用AMD显卡时，rocminfo命令可以正常执行。

2. 多GPU环境：当系统中同时启用AMD和非AMD显卡时，问题必然出现。

3. 驱动版本测试：降级到24.12.1版本驱动后问题依旧存在，排除了特定驱动版本的影响。

4. ROCm版本对比：ROCm 6.2.3版本工作正常，问题出现在6.3.4及更高版本中。

临时解决方案

在官方修复发布前，用户可以采取以下临时解决方案：

1. 禁用非AMD显卡：通过Windows设备管理器暂时禁用非AMD显卡（如NVIDIA显卡）。

2. 物理移除额外GPU：对于台式机用户，可以考虑暂时移除非AMD显卡。

3. 使用旧版ROCm：回退到ROCm 6.2.3版本，该版本不存在此问题。

官方修复进展

AMD技术团队已确认问题根源，并计划在下一个ROCm for WSL版本中发布修复补丁。该补丁将改进多GPU环境下的适配器查询机制，确保在混合GPU配置下也能正常工作。

技术建议

对于需要在WSL2中使用ROCm的开发者，建议：

1. 在等待官方修复期间，合理安排工作环境，必要时使用单GPU配置。

2. 关注ROCm官方更新公告，及时获取修复版本发布信息。

3. 对于关键开发工作，考虑使用原生Linux环境或专用ROCm开发系统，避免WSL2环境下的兼容性问题。

总结

此问题揭示了WSL2环境下多GPU管理的复杂性，特别是在混合使用不同厂商GPU时可能出现的兼容性问题。AMD已积极响应该问题，并承诺在后续版本中提供修复。对于依赖ROCm进行GPU计算的开发者，理解这些环境限制和解决方案对于确保开发工作顺利进行至关重要。