rocm

11 - SVM的高级特性：多GPU支持难度: 🔴🔴 高级预计学习时间: 2-2.5小时前置知识: 第6-10章、GPU互联技术多GPU支持是SVM的高级特性，允许单个虚拟地址空间被多个GPU访问。想象一下：

09 - SVM缺页处理机制难度: 🔴🔴 高级预计学习时间: 2.5-3小时前置知识: 第6-8章、GPU架构、页面异常处理

07 - SVM内存迁移机制难度: 🔴🔴 高级预计学习时间: 2.5-3小时前置知识: 第6章、DMA基础、SDMA/TTM概念

06 - SVM范围管理难度: 🟡🔴 进阶到高级预计学习时间: 2-2.5小时前置知识: 前面章节内容、红黑树和区间树基础

05 - 进程与SVM的关系难度: 🟡 进阶预计学习时间: 1-1.5小时前置知识: 前面章节内容、Linux进程管理基础在AMDGPU驱动中，每个使用GPU计算的进程都有一个kfd_process结构。SVM功能是以进程为单位组织的——每个进程都有独立的SVM范围列表。本章将深入探讨进程如何管理SVM，以及在进程生命周期的各个阶段SVM如何初始化、使用和清理。

03 - AMDGPU驱动架构概览难度: 🟡 进阶预计学习时间: 1-1.5小时前置知识: Linux驱动基础、前两章内容在深入SVM实现细节之前，我们需要理解AMDGPU驱动的整体架构。AMDGPU是一个复杂的驱动系统，包含显卡驱动（AMDGPU）和计算驱动（KFD）两大部分。SVM功能主要在KFD中实现，但与AMDGPU的其他组件紧密协作。

ROCm rocr-libhsakmt分析系列4: HsaMemFlags分析在前文中，我们分析了 GPU VM、aperture 以及 libhsakmt 实现的不同类型 apertures。本文将深入探讨更细粒度的地址空间管理单元：vm_object。至此，整个VM空间的层次关系呼之欲出，用图例展示一下。

02 - SVM相关的Linux内核基础难度: 🟢🟡 入门到进阶预计学习时间: 1-2小时前置知识: 操作系统基础、了解指针和内存概念

01 - 什么是SVM难度: 🟢 入门级预计学习时间: 30-45分钟前置知识: 基本的CPU/GPU概念，了解虚拟内存

AMD ROCm-SVM技术的实现与应用深度分析目录本系列文档旨在帮助新手系统学习AMDGPU中的Shared Virtual Memory (SVM)技术。SVM作为异构计算ROCm和CUDA编程的核心支撑技术，在人工智能时代有着举足轻重的地位，已成为驱动开发者们必备的一项技能。本专栏为2026年02月专栏，二月周一到周五每天发布一篇（节假日除外）。敬请订阅关注，以便及时收到发布通知。

越努力越幸运~

AMD AI MAX +395迷你主机架构1151安装 vllm部署大模型操作记录第一步操作系统ubuntu24.4.3安装 rocm版本7.1网址https://rocm.docs.amd.com/projects/install-on-linux/en/latest/install/prerequisites.html

AMD ROCm生态介绍：开源的GPU计算平台ROCm (Radeon Open Compute Platform)** 是 AMD 推出的一套开源软件栈，旨在为基于 AMD Radeon 和 Instinct GPU 的硬件提供高性能、通用目的的 GPU 计算能力。它的目标是挑战 NVIDIA CUDA 在高性能计算领域的领导地位，通过开源和开放标准来建立一个替代性的生态系统。

AMD rocr-libhsakmt分析系列3-1: Apertures前文已经给出了aperture的定义。在 AMD GPU 的 HSA运行时中，Aperture（孔径）是一个核心概念，用于管理和组织不同类型的内存区域。libhsakmt 库通过精心设计的 aperture 机制，实现了 CPU 和 GPU 之间高效、灵活的内存管理。本文档详细阐述 libhsakmt 中 aperture 的类型、设计原理和使用场景。

AMD rocr-libhsakmt分析系列6-2：共享机制-import前文：AMD rocr-libhsakmt分析系列6-1：共享机制-export分析了export hsa的bo，本文分析import graphics传过来的bo。

ROCm GPU间 P2P 能力确定机制分析P2P（Peer-to-Peer）能力决定了GPU之间能否直接访问彼此的内存，这对于多GPU协作和高性能计算至关重要。本文档详细分析ROCm中P2P能力的确定过程。

ComfyUI+RX5700XT+Ubuntu25.04运行配置有台机器，是AMD RX5700XT的显卡，近期想要试试能否跑ComfyUI，在Windows 11上尝试了CPU环境运行的，出一张图需要10小时以上，简直不要太慢，本着简便的想法尝试在WSL2上启用ROCm，发现WSL2微软并没有为其内核启用ROCm支持，一直报错，不太想重新编译内核，于是安装了Ubuntu25.04，准备直接在原生系统跑起来，后来发现这一套配置有不少坑，配置起来比较麻烦，于是记录下，给有同样烦恼的朋友提供一份思路。

AMD KFD的BO设计分析系列6-1： VRAM BO的显存分配分析前文：AMD KFD的BO设计分析系列6： BO的物理地址部分-PM概述了BO物理空间的核心结构体间的关系，根据分配位置的不同，使用不同的管理器来实现物理空间的分配。本文介绍的AMD 的 VRAM 管理器（amdgpu_vram_mgr）负责为BO分配具体的设备内存(VRAM)，重点分析TTM 框架下 ttm_resource 物理地址分配的代码实现，重点关注 VRAM 分配流程和物理地址的确定。

rocr专栏介绍本专栏聚焦 AMD ROCm 生态的底层核心 ——rocr runtime 库，以 “从硬件交互到上层封装” 的技术链路为脉络，开展系统性、深粒度的实现分析，为开发者打通 “roc 底层机制 - 上层 C++ 调用 - 工程化实践” 的认知闭环。

AMD KFD驱动技术分析16：SVM Aperture在 ROCm 的 libhsakmt 内存管理体系中，dGPU共享虚拟内存（SVM）管理是高性能异构计算的核心。为满足不同类型的内存一致性需求，hsakmt 针对 dGPU SVM 设计了两种 aperture（地址空间管理器）：dgpu_aperture 和 dgpu_alt_aperture。这两者分别对应非一致性（non-coherent）和一致性（coherent）的 SVM 内存分配，底层实现和使用场景各有侧重。关于SVM的原理请参见：AMD KFD驱动技术分析11：SVM原理与核心概念。

Rocprofiler测试Rocprofiler测试输出在 ROCm（Radeon Open Compute）平台中，Agent 通常指的是计算设备或处理单元，这些可以是 CPU 或 GPU。每个 Agent 可以执行计算任务并具有自己的计算资源，如计算核心、内存等。在 ROCm 的程序模型中，Agent 是负责执行特定任务的实体，当你使用 ROCm 进行并行计算时，任务通常会分配给不同的 Agent 来处理。Agent 是 ROCm 的异构计算环境中进行任务调度和管理的基本单元之一