系统仿真 AMD VEGA GPU 模型
Table of Contents
The AMD VEGA GPU is a model that simulates a GPU at the VEGA ISA level, as opposed to the intermediate language level. This page will give you a general overview of how to use this model, the software stack the model uses, and provide resources that detail the model and how it is implemented.
Using the model
目前，gem5 中的 AMD VEGA GPU 模型在 stable 和 develop 分支上受支持。
gem5 仓库附带一个位于 util/dockerfiles/gcn-gpu/ 的 dockerfile。此 dockerfile 包含运行 GPU 模型所需的驱动程序和库。docker 镜像的预构建版本托管在 ghcr.io/gem5-test/gcn-gpu:v23-1。
gem5-resources 仓库还附带许多可用于验证模型正确运行的示例应用程序。我们建议用户从 square 开始，因为它是一个简单、经过大量测试的应用程序，应该运行得相对较快。
使用镜像
docker 镜像可以从 ghcr.io 构建或拉取。
从源代码构建 docker 镜像：
# 工作目录：gem5/util/dockerfiles/gcn-gpu
docker build -t <image_name> .
拉取预构建的 docker 镜像（注意 v23-1 标签，以获取此版本的
正确镜像）：
docker pull ghcr.io/gem5-test/gcn-gpu:v23-1
您也可以将 ghcr.io/gem5-test/gcn-gpu:v23-1 作为 docker run 命令中的镜像，而无需事先拉取，它将自动拉取。
使用镜像构建 gem5
有关如何在 docker 中构建 gem5 的示例，请参阅 gem5 resources 中的 square。注意：这些说明假设您自动拉取最新镜像。
使用镜像构建和运行 GPU 应用程序
有关如何在 docker 中构建和运行 GPU 应用程序的示例，请参阅 gem5 resources。
ROCm
AMD VEGA GPU 模型设计具有足够的保真度，不需要模拟运行时。相反，模型使用 Radeon Open Compute 平台 (ROCm)。ROCm 是来自 AMD 的开放平台，实现了异构系统架构 (HSA) 原则。有关 HSA 标准的更多信息可以在 HSA Foundation 的网站上找到。有关 ROCm 的更多信息可以在 ROCm 网站上找到。
ROCm 的模拟支持
该模型目前适用于系统调用仿真 (SE) 模式和全系统 (FS) 模式。
在 SE 模式下，所有内核级驱动程序功能都在 gem5 的 SE 模式层内完全建模。特别是，模拟的 GPU 驱动程序支持它从用户空间代码接收的必要 ioctl() 命令。模拟 GPU 驱动程序的源代码可以在以下位置找到：
-
GPU 计算驱动程序：
src/gpu-compute/gpu_compute_driver.[hh|cc] -
HSA 设备驱动程序：
src/dev/hsa/hsa_driver.[hh|cc]
HSA 驱动程序代码为 HSA 代理建模基本功能，HSA 代理是可以由 HSA 运行时定位并接受架构查询语言 (AQL) 数据包的设备。AQL 数据包是所有 HSA 代理的标准格式，主要用于在 GPU 上启动内核。基类 HSADriver 持有设备 HSA 数据包处理器的指针，并定义任何 HSA 设备的接口。HSA 代理不必是 GPU，它可以是通用加速器、CPU、NIC 等。
GPUComputeDriver 派生自 HSADriver，是 HSADriver 的设备特定实现。它提供 GPU 特定 ioctl() 调用的实现。
src/dev/hsa/kfd_ioctl.h 头文件必须与 ROCt 附带的 kfd_ioctl.h 头文件匹配。模拟驱动程序依赖该文件来解释 thunk 使用的 ioctl() 代码。
在 FS 模式下，使用真实的 amdgpu Linux 驱动程序并像在真实机器上一样安装。驱动程序的源代码可以在 ROCK-Kernel-Driver 仓库中找到。
ROCm 工具链和软件堆栈
AMD VEGA GPU 模型在 FS 模式下支持高达 5.4 的 ROCm 版本，在 SE 模式下支持 4.0。
SE 模式下需要以下 ROCm 组件：
以下附加组件用于构建和运行机器学习程序：
- hipBLAS
- rocBLAS
- MIOpen
- rocm-cmake
- PyTorch（仅 FS 模式）
- Tensorflow - 特别是 tensorflow-rocm python 包（仅 FS 模式）
有关在本地安装这些组件的信息，可以在 Ubuntu 16 机器上按照 GCN3 dockerfile（util/dockerfiles/gcn-gpu/）中的命令操作。
文档和教程
请注意，VEGA ISA 是从 GCN3 派生的更新的超集 ISA。因此，以下论文、教程和文档的内容也适用于 VEGA。
GPU 模型
描述了具有 GCN3 ISA 的 gem5 GPU 模型（在撰写本文时）。VEGA 是从 GCN3 派生的更新的超集 ISA。因此以下论文的内容）
gem5 GCN3 ISCA 教程
涵盖有关 gem5 中的 GPU 架构、GCN3 ISA 和 HW-SW 接口的信息。还提供了 ROCm 的介绍。
VEGA ISA
ROCm 文档
包含有关 ROCm 堆栈的进一步文档，以及使用 ROCm 的编程指南。