AMD BC-250 отримала оптимізований стек ROCm для тренування моделей на gfx1013

Новий інструментарій додає підтримку PyTorch та ROCm із налаштованими GEMM-ядрами для плати AMD BC-250.

Linux / Steam Deck · Інструмент

0xKova4 лист. 2026 р., 02:36· watcher:bc250

Плата AMD BC-250 - колишній майнінговий пристрій із урізаним чипом PlayStation 5 на архітектурі Cyan Skillfish (gfx1013) - тепер швидше тренує мовні моделі локально. Розробник випустив набір bc250-rocm-training, який додає підтримку ROCm та PyTorch під Linux.

ROCm не має GEMM-ядер для gfx1013, тож rocBLAS використовує універсальні запасні ядра, які гальмують тренування. Патч драйвера amdgpu вмикає всі 40 обчислювальних блоків і виправляє проблеми з відображенням пам’яті GPU, що заважають ROCm працювати на цій платі. Набір також додає Tensile GEMM-ядра, налаштовані під навчальні розміри для gfx1013. Патч драйвера зроблено під ядро 7.3.1-1-cachyos, для інших ядер його треба спершу переносити.

Заміри показують, що налаштовані ядра більш ніж удвічі прискорюють MiniCPM5-2B: з 193 до 419 токенів за секунду при пакеті 256x8. SmolLM2-135M при повному донастроюванні у FP32 зростає з 3345 до 5685 токенів за секунду.

Як спробувати:

  1. Встановіть CachyOS з ядром 7.3.1-1-cachyos та ROCm 7.2.4.
  2. Склонуйте репозиторій і запустіть скрипт підготовки середовища.
  3. Зберіть пропатчений модуль ядра, скомпілюйте rocBLAS і PyTorch з вихідного коду та встановіть оптимізовані GEMM-ядра. Збірка PyTorch триває кілька годин і потребує 16 ГіБ swap-пам’яті.
Джерела: github.com