amd构建说明

AMD_SETUP.md

@@ -0,0 +1,241 @@
+# AMD ROCm 环境配置说明
+
+这份文档记录了在 AMD ROCm 环境下运行 LeWM 的可复现配置，重点是保留
+`torch.compile` 时的 PyTorch 版本选择。
+
+目标运行命令：
+
+```bash
+python eval.py --config-name=pusht.yaml policy=pusht/lewm
+```
+
+## 已验证环境
+
+本次验证通过的环境：
+
+- Ubuntu 24.04
+- AMD Radeon PRO W7900D (`gfx1100`)
+- 系统 ROCm 7.1.1
+- Python 3.10
+- `torch==2.10.0+rocm7.1`
+- `torchvision==0.25.0+rocm7.1`
+- `triton-rocm==3.6.0`
+
+注意：`torch==2.12.0+rocm7.1` 可以正常导入，也能识别 GPU，但在本项目里开启
+`torch.compile` 后会崩溃，错误类似：
+
+```text
+HSA_STATUS_ERROR_INVALID_PACKET_FORMAT
+CUDA error: unspecified launch failure
+```
+
+降级到 `torch==2.10.0+rocm7.1` 后，`torch.compile` 路径可以正常跑通。
+
+## 检查系统 ROCm
+
+在新 AMD 机器上，先确认系统能识别 GPU：
+
+```bash
+rocminfo
+amd-smi version
+hipcc --version
+```
+
+`rocminfo` 里应该能看到 AMD GPU agent，例如 `gfx1100`。
+
+## 创建 Python 环境
+
+使用 `uv` 创建 Python 3.10 虚拟环境：
+
+```bash
+cd /path/to/lewm
+uv venv --python 3.10 --allow-existing .venv
+source .venv/bin/activate
+```
+
+给 uv 创建的 venv 补上 pip。ROCm 版 PyTorch wheel 很大，如果 uv 解析或下载卡住，
+用 pip 安装大 wheel 更容易观察进度。
+
+```bash
+uv pip install pip
+```
+
+## 安装 ROCm 版 PyTorch
+
+安装本项目已验证可用的 ROCm PyTorch 组合：
+
+```bash
+python -m pip install --force-reinstall \
+  --index-url https://download.pytorch.org/whl/rocm7.1 \
+  --extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple \
+  "torch==2.10.0" \
+  "torchvision==0.25.0"
+```
+
+PyTorch wheel 有数 GB。如果网络慢，不要频繁中断重试，尽量等它下载完成。
+
+## 安装项目依赖
+
+普通 Python 包建议走国内 PyPI 镜像：
+
+```bash
+python -m pip install \
+  --index-url https://pypi.tuna.tsinghua.edu.cn/simple \
+  "gymnasium[all]==1.2.2" \
+  "stable-baselines3==2.8.0" \
+  "stable-worldmodel[train,env]"
+```
+
+然后修正两个容易被 pip 带偏的依赖版本：
+
+```bash
+python -m pip install \
+  --index-url https://pypi.tuna.tsinghua.edu.cn/simple \
+  "fsspec==2025.3.0" \
+  "pillow==11.3.0"
+```
+
+检查环境：
+
+```bash
+python -m pip check
+python - <<'PY'
+import torch
+import torchvision
+
+print("torch:", torch.__version__)
+print("hip:", torch.version.hip)
+print("cuda available:", torch.cuda.is_available())
+print("device:", torch.cuda.get_device_name(0) if torch.cuda.is_available() else None)
+print("torchvision:", torchvision.__version__)
+PY
+```
+
+期望看到类似输出：
+
+```text
+torch: 2.10.0+rocm7.1
+cuda available: True
+torchvision: 0.25.0+rocm7.1
+```
+
+## 恢复本仓库里的 stable-worldmodel 修改
+
+这个仓库把一些本地修改后的 `stable_worldmodel` 文件纳入了 git 管控，路径在：
+
+```text
+.venv/lib/python3.10/site-packages/stable_worldmodel/
+```
+
+从 PyPI 安装 `stable-worldmodel` 时可能会覆盖这些文件。安装依赖后执行：
+
+```bash
+git restore -- \
+  .venv/lib/python3.10/site-packages/stable_worldmodel/policy.py \
+  .venv/lib/python3.10/site-packages/stable_worldmodel/world.py \
+  .venv/lib/python3.10/site-packages/stable_worldmodel/solver/cem.py \
+  .venv/lib/python3.10/site-packages/stable_worldmodel/solver/gd.py
+```
+
+然后确认没有意外修改：
+
+```bash
+git status --short
+```
+
+## 数据和 checkpoint 路径
+
+`eval.py` 会从 `$STABLEWM_HOME` 里找数据和 checkpoint。
+
+PushT 评估至少需要：
+
+```text
+$STABLEWM_HOME/pusht_expert_train.h5
+$STABLEWM_HOME/pusht/lewm_object.ckpt
+```
+
+例如本机使用：
+
+```bash
+export STABLEWM_HOME=/mnt/ASC1637/stablewm
+```
+
+如果没有正确设置，运行时会报找不到 `pusht_expert_train.h5`。
+
+## 运行评估
+
+默认 PushT 评估，保留 `torch.compile`：
+
+```bash
+export STABLEWM_HOME=/path/to/stablewm
+python eval.py --config-name=pusht.yaml policy=pusht/lewm
+```
+
+快速 smoke test：
+
+```bash
+export STABLEWM_HOME=/path/to/stablewm
+python eval.py --config-name=pusht.yaml policy=pusht/lewm \
+  eval.num_eval=1 \
+  world.num_envs=1 \
+  output.filename=/tmp/lewm_smoke_test.txt
+```
+
+smoke test 应该能正常结束，并打印类似：
+
+```text
+{'success_rate': 100.0, ...}
+```
+
+## 常见问题
+
+### `HSA_STATUS_ERROR_INVALID_PACKET_FORMAT`
+
+如果开启 `torch.compile` 时出现这个错误，先检查 torch 版本：
+
+```bash
+python -c "import torch; print(torch.__version__, torch.version.hip)"
+```
+
+如果是 `2.12.0+rocm7.1`，建议降级到本项目验证通过的组合：
+
+```bash
+python -m pip install --force-reinstall \
+  --index-url https://download.pytorch.org/whl/rocm7.1 \
+  --extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple \
+  "torch==2.10.0" \
+  "torchvision==0.25.0"
+```
+
+### 找不到 `pusht_expert_train.h5`
+
+设置 `STABLEWM_HOME` 到包含数据和 checkpoint 的目录：
+
+```bash
+export STABLEWM_HOME=/path/to/stablewm
+```
+
+### pip 尝试构建旧版 `gym==0.21`
+
+这是依赖解析回退导致的。先显式安装兼容版本：
+
+```bash
+python -m pip install \
+  --index-url https://pypi.tuna.tsinghua.edu.cn/simple \
+  "gymnasium[all]==1.2.2" \
+  "stable-baselines3==2.8.0"
+```
+
+### uv 或 pip 访问海外源很慢
+
+普通 Python 包使用国内 PyPI 镜像：
+
+```bash
+--index-url https://pypi.tuna.tsinghua.edu.cn/simple
+```
+
+PyTorch ROCm wheel 继续使用 PyTorch 官方 ROCm 源：
+
+```bash
+--index-url https://download.pytorch.org/whl/rocm7.1
+```