MI300X ROCm 安装成功 | AI生成和翻译
一切正常。以下是最终结果：
ROCm 栈 — 完全可用
rocm-smi（AMD 的 nvidia-smi 对应工具）：
GPU Temp Power SCLK MCLK PwrCap VRAM% GPU%
0 37.0°C 154.0W 139MHz 900MHz 750.0W 0% 0%
rocminfo — 完整 GPU 规格：
AMD Instinct MI300X VF (gfx942)
304 Compute Units | 1216 SIMDs | 32 Shader Engines
191 GB HBM3 | 2100 MHz max clock
Wavefront: 64 | Workgroup: 1024
HIP 计算测试：
HIP devices: 1
Device 0: AMD Instinct MI300X VF
Memory: 191 GB
Compute units: 304
Clock: 2100 MHz
是什么损坏了以及如何修复
| 步骤 | 问题 | 修复 |
|---|---|---|
| 1 | rocm-smi 未安装 |
从 AMD 仓库使用 apt install rocm-smi |
| 2 | rocm-smi 显示“未检测到 AMD GPU” |
MI300X 缺少固件 |
| 3 | 带版本号与不带版本号的包冲突 | 强制清除，安装带版本号的 *7.2.3 包 |
| 4 | 缺少 libxml2.so.2（Ubuntu 25.10 包含 .so.16） |
创建符号链接：libxml2.so.2 → libxml2.so.16 |
| 5 | 缺少固件文件（psp/gc/sdma/vcn） | apt install linux-firmware + 重新绑定 GPU |
| 6 | GPU 驱动初始化失败 → HIP 检测到 0 个设备 | 安装固件并重新绑定后：GPU 初始化成功，HIP 检测到 1 个设备 |
现在可用的命令
rocm-smi # GPU 状态（温度、功耗、时钟、利用率）
rocminfo # 完整硬件拓扑
amd-smi # 原有的 PCI 级别信息工具（仍然可用）
hipcc # HIP C++ 编译器
rocm_agent_enumerator # 列出 GPU 架构
环境已通过 /etc/profile.d/rocm.sh 永久设置（PATH、ROCM_PATH、LD_LIBRARY_PATH）。