xformers项目多GPU架构兼容性解决方案

多GPU架构兼容性问题背景

在实际的深度学习应用中，经常会遇到混合使用不同架构GPU的情况。例如，用户可能同时拥有NVIDIA 2080（基于Turing架构，计算能力7.5）和3090（基于Ampere架构，计算能力8.6）显卡。当使用xformers这样的高性能Transformer组件库时，这种混合架构环境可能会引发兼容性问题。

问题现象分析

当用户在同时装有2080和3090显卡的系统中运行xformers时，可能会遇到类似"FATAL: kernel fmha_cutlassF_f16_aligned_64x128_rf_sm80 is for sm80-sm100, but was built for sm75"的错误提示。这表明系统尝试在3090（sm80）上运行为2080（sm75）编译的CUDA内核，导致不兼容。

特别值得注意的是，这个问题仅在特定张量形状下出现：当query张量形状为(B, M, num_key_value_groups, num_key_value_heads, K)并使用memory_efficient_attention时触发错误，而使用展平后的形状(B, M, num_key_value_groups * num_key_value_heads, K)则不会报错。

解决方案

解决这一问题的核心在于正确设置编译时的CUDA架构目标。通过设置环境变量TORCH_CUDA_ARCH_LIST，可以指定xformers需要支持的CUDA架构版本：

export TORCH_CUDA_ARCH_LIST="7.5 8.6"

这一设置告知编译器同时为计算能力7.5（2080）和8.6（3090）生成内核代码。在重新编译xformers后，系统将能够在两种架构的GPU上正常运行。

技术原理深入

CUDA采用即时编译（JIT）技术，但某些高性能内核（如xformers中的内存高效注意力机制）为了获得最佳性能，会预先编译为特定架构的二进制代码。当这些预编译内核与执行GPU的架构不匹配时，就会产生上述错误。

设置TORCH_CUDA_ARCH_LIST的原理是：

1. 编译器会为列表中的每个架构生成对应的PTX（并行线程执行）代码和二进制cubin文件
2. 在运行时，CUDA驱动程序会选择最适合当前GPU的版本执行
3. 如果没有精确匹配，系统会尝试使用PTX代码进行即时编译

最佳实践建议

1. 完整架构支持：在混合GPU环境中，建议包含所有GPU的计算能力版本。例如同时装有2080Ti（7.5）、3090（8.6）和4090（8.9）的系统应设置为"7.5 8.6 8.9"。

2. 编译顺序：较新的架构通常能兼容旧架构的部分功能，但为了最佳性能，应按从旧到新的顺序列出架构。

3. 性能考量：为过多架构编译会增加库文件大小和编译时间，建议仅包含实际使用的GPU架构。

4. 形状优化：如问题中所示，某些张量形状可能绕过特定内核路径。在性能允许的情况下，调整张量形状也是一种临时解决方案。

总结

在混合GPU架构环境中使用xformers时，正确的CUDA架构目标设置是确保兼容性的关键。通过合理配置TORCH_CUDA_ARCH_LIST环境变量，用户可以充分利用不同世代GPU的计算能力，同时避免内核不匹配的错误。这一解决方案不仅适用于xformers项目，对于其他需要CUDA编译的深度学习框架和库同样具有参考价值。