ROCm数学库
写 GPU 应用 90% 的场景不需要你手写 kernel——用官方库更快、更稳、更省事。这一章过一遍 ROCm 生态里的主要数学库和深度学习库,让你知道"想干这件事用哪个"。
1. rocBLAS vs hipBLAS
rocBLAS:AMD 原生的 BLAS 实现——只跑 AMD GPU。
hipBLAS:跨平台包装——同一份代码可以跑 AMD 和 NVIDIA。底层:
- 在 AMD 上 → 调 rocBLAS;
- 在 NVIDIA 上 → 调 cuBLAS。
API 差别:命名规则相同,前缀不同:
// rocBLAS
rocblas_handle handle;
rocblas_create_handle(&handle);
rocblas_sgemm(handle, rocblas_operation_none, rocblas_operation_none,
M, N, K, &alpha, A, lda, B, ldb, &beta, C, ldc);
// hipBLAS
hipblasHandle_t handle;
hipblasCreate(&handle);
hipblasSgemm(handle, HIPBLAS_OP_N, HIPBLAS_OP_N,
M, N, K, &alpha, A, lda, B, ldb, &beta, C, ldc);
选哪个:
- 只跑 AMD:rocBLAS,稍快一点点、API 更 AMD-native;
- 跨平台:hipBLAS,代码写一份跑两个平台。
性能:MI300X 上 rocBLAS SGEMM 能到 ~85% 峰值——和 cuBLAS 在 H100 上表现相当。
2. hipBLASLt:新一代 GEMM
hipBLASLt 是 AMD 版的 cuBLASLt——为 Matrix Core 优化的高级 GEMM API。
特点:
- Epilogue fusion