ZLUDA兼容性评测指南6步自查清单判断你的CUDA程序能否在AMD GPU上运行【免费下载链接】ZLUDACUDA on non-NVIDIA GPUs项目地址: https://gitcode.com/GitHub_Trending/zl/ZLUDA你的CUDA应用能不能跑在非NVIDIA显卡上先给结论ZLUDA是一个替换CUDA驱动的垫片shim让未改动的CUDA程序在AMD GPU上以接近原生的性能运行它宣称自己是CUDA 13.0版本号13000。最大的前置条件有三条AMD GPU且为RX 5000系列或更新、操作系统是Windows或LinuxmacOS不支持、系统里装好了HIP运行时。推理类负载目前最稳ML框架和3A游戏的支持程度仍需实测确认。第1步核对显卡型号AMD RX 5000及更新是硬门槛硬件这一关卡得最死先看 docs/src/faq.md 里官方的口径平台支持状态说明AMD Radeon RX 5000系列及更新桌面核显支持官方确认的唯一GPU范围AMD 老架构Polaris、Vega 等不支持与近年桌面GPU架构差异大Intel GPU当前不支持曾有后端团队表示可恢复、欢迎贡献NVIDIA GPU无计划官方建议NVIDIA用户直接用原版CUDAmacOS不支持docs/src/quick_start.md 明确写 Not supported服务器级AMD GPU也不在支持列表里。如果你的机器不满足第一行后面五步可以不用看了。第2步最小运行配置——Windows和Linux两种启动方式ZLUDA不是系统服务而是靠拦截CUDA库加载生效所以每次启动应用都要带一个前缀。Windows装好AMD驱动Adrenalin Edition和HIP SDK后用启动器拉起应用zluda.exe -- 你的应用 应用参数Linux把ZLUDA目录含libcuda.so官方包里的zluda目录或源码编译的target/release注入动态库搜索路径# 推荐把 ZLUDA 目录加到库搜索路径最前面 LD_LIBRARY_PATHZLUDA_DIRECTORY:$LD_LIBRARY_PATH 应用 参数 # 备选ld.so 审计模式 LD_AUDITZLUDA_DIRECTORY/zluda_ld:$LD_AUDIT 应用 参数Windows上HIP SDK有两种选择直接影响你能跑什么见 docs/src/hip_sdk.md官方版HIP SDK稳定、AMD支持但不含机器学习库PyTorch和TensorFlow跑不了。Nightly构建代码新、带ML支持PyTorch/TensorFlow必需但没有稳定性保证需手动解压并设置HIP_PATH。Linux下则依赖系统已安装的HIP运行时。需要源码构建的话git clone https://gitcode.com/GitHub_Trending/zl/ZLUDA。第3步一条命令环境自检cuda_check 逐个点验性能库ZLUDA自带一个测试程序cuda_check会加载并初始化所有性能库这是验收环境最快的办法zluda.exe -- cuda_check.exe nvcuda : OK (C:\hip_sdk\bin\amdhip64_7.dll) nvml : OK cudnn9 : OK (C:\hip_sdk\bin\MIOpen.dll) cublas13 : OK (C:\hip_sdk\bin\rocblas.dll) ...括号里是实际接管该库的HIP后端。官方给出的完整映射Windows示例Linux同理ZLUDA对外提供的库版本底层HIP后端cuBLAS12、13rocBLAScuBLASLt12、13hipBLASLtcuDNN8、9MIOpencuFFT11、12自检输出未显示后端cuSPARSE11、12自检输出未显示后端NVML—正常返回OK自检时有三个官方提示的坑一是cuda_check偶尔会挂起不退出是MIOpen的已知bug二是用官方版HIP SDK时cudnn8/cudnn9必然加载失败因为官方SDK不带MIOpen换nightly版可解三是如果应用在加载ZLUDA之前已经从别处加载了同名HIP库ZLUDA会复用已加载的那个括号里的路径只是通常路径不保证生效。第4步ZLUDA对外声明的CUDA版本是 13000驱动API是 3020版本声明决定了哪些应用会通过兼容性检查证据都在源码里主版本常量CUDA_VERSION 13000对应CUDA 13.0见 cuda_types/src/cuda.rs。驱动API版本应用调用cuCtxGetApiVersion时写回3020实现在 zluda/src/impl/context.rs 的get_api_version。驱动版本号查询同样回填CUDA_VERSION见 zluda/src/impl/driver.rs。实际含义应用做版本判断或按cuGetProcAddress的cudaVersion参数解析符号时会认为自己面对的是CUDA 13.0。这是双刃剑——老应用会更愿意跑但应用若调用了ZLUDA尚未实现的接口会得到未找到/不支持类错误具体是哪个调用靠第6步的trace定位。第5步按场景核对支持度——推理最稳ML框架看时间点官方态度非常直接docs/src/quick_start.md 首页就挂着警告——当前版本处于高强度开发期你的应用很可能还跑不起来欢迎实测并反馈。在此前提下按场景对号入座场景当前状态依据自研核的小型推理程序接近原生速度官方定位即未修改的CUDA应用近原生运行LLM推理llama.cpp有明确运行方法按arch 86cuBLAS编译即达原生速度见下文PyTorch开发中官方预期2025年Q4初步支持FAQ中列为最高优先级TensorFlow开发中排在PyTorch之后FAQSteam游戏32位PhysX技术上可行但不在路线图groundwork已完成等待外部贡献者OptiX硬件光追基本无计划使用自有PTX方言需专职团队Blender低优先级不在路线图llama.cpp是目前文档里最具体的成功案例docs/src/llama_cpp.md用-DGGML_CUDAON -DCMAKE_CUDA_ARCHITECTURES86 -DGGML_CUDA_FORCE_CUBLAStrue编译可跑到原生速度多架构编译也行但80、86、89里必须有一个关闭cuBLAS会导致性能下降。游戏场景的实际接入方式如上图在Steam的启动选项里把可执行文件前缀成zluda32.exe --32位游戏即可让游戏的CUDA调用走ZLUDA无需改游戏本体。第6步避坑——首启慢、跑不起来、静默失败怎么查症状原因处理办法应用首次启动很慢PTX代码是运行时才编译的先用zluda_precompile预编译见下方个别kernel失败、应用崩溃用了ZLUDA尚不支持的PTX指令开trace找module_NNNN_NN.log里的 Unrecognized statementcuda_check卡死MIOpen已知bug官方文档已承认属预期内cudnn8/9加载失败官方HIP SDK不含MIOpen换nightly构建的HIP SDK实际后端与自检输出不符应用先于ZLUDA加载了同名HIP库确保ZLUDA路径在库搜索顺序最前首启慢的预热命令docs/src/precompiling.md# Windows zluda_precompile.exe 应用目录或文件路径 # Linux zluda_precompile 应用目录或文件路径它会扫描指定位置的全部GPU代码并行编译进缓存通常比让应用自己慢慢编译更快但可能编译到用不上的代码收益因应用而异。排查跑不起来用官方trace工具docs/src/troubleshooting.md。Windows下直接zluda.exe --zluda-trace -- 应用日志落到%TEMP%\zludaLinux下通过LD_LIBRARY_PATHZLUDA_DIRECTORY/trace/、ZLUDA_LOG_DIR日志目录启动。trace会记录每个CUDA调用的参数和返回码PTX编译失败时还会留下形如Unrecognized statement nanosleep.u32 %r101;的编译器日志——这就是ZLUDA在告诉你缺的是哪条指令。更新从哪追季度报告加社区渠道官方FAQdocs/src/faq.md说明进展报告每季度发一次官方维护博客和Discord社区渠道跟进。评估建议先用第3步的cuda_check验环境再用你自己的应用跑一次trace把哪些API/PTX指令缺失清单化这比任何宣传口径都可靠。项目迭代很快下季度报告值得复查一次。觉得这份清单有用就点赞、收藏、关注吧下期预告ZLUDA性能调优——从PTX编译到后端库选择把速度再提一档。【免费下载链接】ZLUDACUDA on non-NVIDIA GPUs项目地址: https://gitcode.com/GitHub_Trending/zl/ZLUDA创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
ZLUDA兼容性评测指南6步自查清单判断你的CUDA程序能否在AMD GPU上运行【免费下载链接】ZLUDACUDA on non-NVIDIA GPUs项目地址: https://gitcode.com/GitHub_Trending/zl/ZLUDA你的CUDA应用能不能跑在非NVIDIA显卡上先给结论ZLUDA是一个替换CUDA驱动的垫片shim让未改动的CUDA程序在AMD GPU上以接近原生的性能运行它宣称自己是CUDA 13.0版本号13000。最大的前置条件有三条AMD GPU且为RX 5000系列或更新、操作系统是Windows或LinuxmacOS不支持、系统里装好了HIP运行时。推理类负载目前最稳ML框架和3A游戏的支持程度仍需实测确认。第1步核对显卡型号AMD RX 5000及更新是硬门槛硬件这一关卡得最死先看 docs/src/faq.md 里官方的口径平台支持状态说明AMD Radeon RX 5000系列及更新桌面核显支持官方确认的唯一GPU范围AMD 老架构Polaris、Vega 等不支持与近年桌面GPU架构差异大Intel GPU当前不支持曾有后端团队表示可恢复、欢迎贡献NVIDIA GPU无计划官方建议NVIDIA用户直接用原版CUDAmacOS不支持docs/src/quick_start.md 明确写 Not supported服务器级AMD GPU也不在支持列表里。如果你的机器不满足第一行后面五步可以不用看了。第2步最小运行配置——Windows和Linux两种启动方式ZLUDA不是系统服务而是靠拦截CUDA库加载生效所以每次启动应用都要带一个前缀。Windows装好AMD驱动Adrenalin Edition和HIP SDK后用启动器拉起应用zluda.exe -- 你的应用 应用参数Linux把ZLUDA目录含libcuda.so官方包里的zluda目录或源码编译的target/release注入动态库搜索路径# 推荐把 ZLUDA 目录加到库搜索路径最前面 LD_LIBRARY_PATHZLUDA_DIRECTORY:$LD_LIBRARY_PATH 应用 参数 # 备选ld.so 审计模式 LD_AUDITZLUDA_DIRECTORY/zluda_ld:$LD_AUDIT 应用 参数Windows上HIP SDK有两种选择直接影响你能跑什么见 docs/src/hip_sdk.md官方版HIP SDK稳定、AMD支持但不含机器学习库PyTorch和TensorFlow跑不了。Nightly构建代码新、带ML支持PyTorch/TensorFlow必需但没有稳定性保证需手动解压并设置HIP_PATH。Linux下则依赖系统已安装的HIP运行时。需要源码构建的话git clone https://gitcode.com/GitHub_Trending/zl/ZLUDA。第3步一条命令环境自检cuda_check 逐个点验性能库ZLUDA自带一个测试程序cuda_check会加载并初始化所有性能库这是验收环境最快的办法zluda.exe -- cuda_check.exe nvcuda : OK (C:\hip_sdk\bin\amdhip64_7.dll) nvml : OK cudnn9 : OK (C:\hip_sdk\bin\MIOpen.dll) cublas13 : OK (C:\hip_sdk\bin\rocblas.dll) ...括号里是实际接管该库的HIP后端。官方给出的完整映射Windows示例Linux同理ZLUDA对外提供的库版本底层HIP后端cuBLAS12、13rocBLAScuBLASLt12、13hipBLASLtcuDNN8、9MIOpencuFFT11、12自检输出未显示后端cuSPARSE11、12自检输出未显示后端NVML—正常返回OK自检时有三个官方提示的坑一是cuda_check偶尔会挂起不退出是MIOpen的已知bug二是用官方版HIP SDK时cudnn8/cudnn9必然加载失败因为官方SDK不带MIOpen换nightly版可解三是如果应用在加载ZLUDA之前已经从别处加载了同名HIP库ZLUDA会复用已加载的那个括号里的路径只是通常路径不保证生效。第4步ZLUDA对外声明的CUDA版本是 13000驱动API是 3020版本声明决定了哪些应用会通过兼容性检查证据都在源码里主版本常量CUDA_VERSION 13000对应CUDA 13.0见 cuda_types/src/cuda.rs。驱动API版本应用调用cuCtxGetApiVersion时写回3020实现在 zluda/src/impl/context.rs 的get_api_version。驱动版本号查询同样回填CUDA_VERSION见 zluda/src/impl/driver.rs。实际含义应用做版本判断或按cuGetProcAddress的cudaVersion参数解析符号时会认为自己面对的是CUDA 13.0。这是双刃剑——老应用会更愿意跑但应用若调用了ZLUDA尚未实现的接口会得到未找到/不支持类错误具体是哪个调用靠第6步的trace定位。第5步按场景核对支持度——推理最稳ML框架看时间点官方态度非常直接docs/src/quick_start.md 首页就挂着警告——当前版本处于高强度开发期你的应用很可能还跑不起来欢迎实测并反馈。在此前提下按场景对号入座场景当前状态依据自研核的小型推理程序接近原生速度官方定位即未修改的CUDA应用近原生运行LLM推理llama.cpp有明确运行方法按arch 86cuBLAS编译即达原生速度见下文PyTorch开发中官方预期2025年Q4初步支持FAQ中列为最高优先级TensorFlow开发中排在PyTorch之后FAQSteam游戏32位PhysX技术上可行但不在路线图groundwork已完成等待外部贡献者OptiX硬件光追基本无计划使用自有PTX方言需专职团队Blender低优先级不在路线图llama.cpp是目前文档里最具体的成功案例docs/src/llama_cpp.md用-DGGML_CUDAON -DCMAKE_CUDA_ARCHITECTURES86 -DGGML_CUDA_FORCE_CUBLAStrue编译可跑到原生速度多架构编译也行但80、86、89里必须有一个关闭cuBLAS会导致性能下降。游戏场景的实际接入方式如上图在Steam的启动选项里把可执行文件前缀成zluda32.exe --32位游戏即可让游戏的CUDA调用走ZLUDA无需改游戏本体。第6步避坑——首启慢、跑不起来、静默失败怎么查症状原因处理办法应用首次启动很慢PTX代码是运行时才编译的先用zluda_precompile预编译见下方个别kernel失败、应用崩溃用了ZLUDA尚不支持的PTX指令开trace找module_NNNN_NN.log里的 Unrecognized statementcuda_check卡死MIOpen已知bug官方文档已承认属预期内cudnn8/9加载失败官方HIP SDK不含MIOpen换nightly构建的HIP SDK实际后端与自检输出不符应用先于ZLUDA加载了同名HIP库确保ZLUDA路径在库搜索顺序最前首启慢的预热命令docs/src/precompiling.md# Windows zluda_precompile.exe 应用目录或文件路径 # Linux zluda_precompile 应用目录或文件路径它会扫描指定位置的全部GPU代码并行编译进缓存通常比让应用自己慢慢编译更快但可能编译到用不上的代码收益因应用而异。排查跑不起来用官方trace工具docs/src/troubleshooting.md。Windows下直接zluda.exe --zluda-trace -- 应用日志落到%TEMP%\zludaLinux下通过LD_LIBRARY_PATHZLUDA_DIRECTORY/trace/、ZLUDA_LOG_DIR日志目录启动。trace会记录每个CUDA调用的参数和返回码PTX编译失败时还会留下形如Unrecognized statement nanosleep.u32 %r101;的编译器日志——这就是ZLUDA在告诉你缺的是哪条指令。更新从哪追季度报告加社区渠道官方FAQdocs/src/faq.md说明进展报告每季度发一次官方维护博客和Discord社区渠道跟进。评估建议先用第3步的cuda_check验环境再用你自己的应用跑一次trace把哪些API/PTX指令缺失清单化这比任何宣传口径都可靠。项目迭代很快下季度报告值得复查一次。觉得这份清单有用就点赞、收藏、关注吧下期预告ZLUDA性能调优——从PTX编译到后端库选择把速度再提一档。【免费下载链接】ZLUDACUDA on non-NVIDIA GPUs项目地址: https://gitcode.com/GitHub_Trending/zl/ZLUDA创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
