7.3. AMD GPU 集成

流程

1. 使用 OpenShift CLI 验证 GPU 资源是否可分配量：

   1. 列出集群中的所有节点，以使用 AMD GPU 识别节点：

      oc get nodes

      Copy to Clipboard Toggle word wrap
   2. 请注意您希望存在 AMD GPU 的节点的名称。

   3. 描述节点以检查其资源分配：

      oc describe node <node_name>

      Copy to Clipboard Toggle word wrap

   4. 在输出中，找到 Capacity 和 Allocatable 部分，并确认列出了 amd.com/gpu。例如：

      Capacity:
        amd.com/gpu:  1
      Allocatable:
        amd.com/gpu:  1

      Copy to Clipboard Toggle word wrap

2. 使用 lspci 命令检查 AMD GPU 设备：

   1. 登录该节点：

      oc debug node/<node_name>
      chroot /host

      Copy to Clipboard Toggle word wrap

   2. 运行 lspci 命令并搜索部署中支持的 AMD 设备。例如：

      lspci | grep -E "MI210|MI250|MI300"

      Copy to Clipboard Toggle word wrap

   3. 验证输出是否包含其中一个 AMD GPU 模型。例如：

      03:00.0 Display controller: Advanced Micro Devices, Inc. [AMD] Instinct MI210

      Copy to Clipboard Toggle word wrap

3. 可选：如果节点上安装了 ROCm 堆栈，请使用 rocminfo 命令：

   rocminfo

   Copy to Clipboard Toggle word wrap
   1. 确认 ROCm 工具输出 AMD GPU 的详细信息，如计算单元、内存和驱动程序状态。

流程

1. 安装最新版本的 AMD GPU Operator，如 在 OpenShift 上安装 AMD GPU Operator 所述。
2. 安装 AMD GPU Operator 后，配置 Operator 所需的 AMD 驱动程序，如文档： 为 GPU Operator 配置 AMD 驱动程序。

1. 安装 AMD GPU Operator 后，创建一个硬件配置集，如 使用硬件配置集 中所述。