TheRock 项目最佳实践指南
2025-05-23 20:40:16作者:邓越浪Henry
1. 项目介绍
TheRock 是一个轻量级开源构建系统,专为 HIP(一个从 CUDA 迁移到 ROCm 的工具)和 ROCm(Radeon Open Compute)设计。该项目目前处于早期预览状态,但正在积极开发中,并欢迎贡献者加入。TheRock 提供了包括 CMake 超级项目、ROCm 组件开发工具、PyTorch 与 ROCm 源码构建支持、JAX 支持,以及全面的 CI/CD 管道等功能。
2. 项目快速启动
以下是快速启动 TheRock 项目的步骤:
设置 - Ubuntu (24.04)
-
安装 Ubuntu 依赖:
sudo apt install gfortran git git-lfs ninja-build cmake g++ pkg-config xxd patchelf automake python3-venv python3-dev libegl1-mesa-dev -
克隆仓库:
git clone https://github.com/ROCm/TheRock.git cd TheRock -
初始化 Python 虚拟环境并安装 Python 依赖:
python3 -m venv .venv source .venv/bin/activate pip install -r requirements.txt -
下载子模块并应用修补:
python ./build_tools/fetch_sources.py
设置 - Windows 11 (VS 2022)
- 按照 )
Windows 支持指南安装必要的工具。
-
从 https://github.com/nod-ai/amdgpu-windows-interop 克隆 interop 库。
-
克隆 TheRock 仓库,初始化 Python 虚拟环境并安装 Python 依赖:
git clone https://github.com/ROCm/TheRock.git cd TheRock python -m venv .venv .venv\Scripts\Activate.bat pip install -r requirements.txt -
下载子模块并应用修补:
python ./build_tools/fetch_sources.py
3. 应用案例和最佳实践
在 TheRock 中构建 HIP 和 ROCm 的最佳实践包括:
- 使用 CMake 超级项目结构来组织和构建 HIP 和 ROCm 源码。
- 利用项目提供的工具开发单个 ROCm 组件。
- 根据 TheRock 的支持状态,为 Linux 和 Windows 平台构建 PyTorch 与 ROCm 的源码。
- 在 CI/CD 管道中集成构建、测试和发布支持组件的流程。
4. 典型生态项目
TheRock 项目的生态系统中,以下是一些典型的相关项目:
- ROCm: Radeon Open Compute 的官方仓库。
- HIP: 用于从 CUDA 迁移到 ROCm 的工具。
- PyTorch: 一个流行的深度学习框架,支持 ROCm。
- JAX: 一个用于自动微分和数值计算的库,可以与 ROCm 集成。
以上是 TheRock 项目的最佳实践指南,希望能帮助您更好地理解和运用这个构建系统。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
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++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
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
🎉 (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
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873