Skip to content

llamacpp-rocm7-deploy.md

Latest commit

 

History

History
230 lines (153 loc) · 5.25 KB

llamacpp-rocm7-deploy.md

File metadata and controls

230 lines (153 loc) · 5.25 KB
Raw

llama.cpp 零基础环境部署（Ubuntu 24.04 + ROCm 7+）

本节介绍如何在 Ubuntu 24.04 + ROCm 7+ 环境下，使用 llama.cpp 进行推理，包括：

  • 使用预构建的可执行文件（推荐）
  • 使用 Docker + 官方 ROCm 镜像自行编译

示例模型以 Qwen3-8B Q4_K_M（GGUF 格式） 为主。

前置条件：已完成 ROCm 7.1.0 系统安装与验证（见 env-prepare-ubuntu24-rocm7.md）。

一、方式一（推荐）：预构建的可执行文件

1. 下载预构建版本

使用 Lemonade 提供的预构建版本，其中：

  • 370 对应 gfx1150 架构
  • 395 对应 gfx1151 架构

相关链接：

2. 确认 ROCm 7+ 安装（必须为系统版 ROCm）

使用 amd-smi 确认 GPU 型号、驱动、ROCm 版本：

amd-smi

示例输出（可看到 GPU 型号、驱动版本、ROCm 版本）：

若输出正常，说明可以使用 GPU 进行推理。

3. 进入 llama 后端目录并设置权限 / 环境变量

cd llama-*x64/
sudo chmod +x *
export LD_LIBRARY_PATH=/opt/rocm/lib:$LD_LIBRARY_PATH

4. 下载 Qwen3-8B Q4_K_M GGUF 模型

Ollama / llama-server 通常使用 GGUF 模型格式。

这里使用国内 huggingface 镜像 https://hf-mirror.com/，需要登录
huggingface 获取用户名与 token。

参考命令：

# 创建模型存放目录
mkdir -p ~/models
cd ~/models

# 下载 GGUF 文件（示例，需替换成官方/开源下载地址）
wget https://hf-mirror.com/hfd/hfd.sh
chmod a+x hfd.sh
export HF_ENDPOINT=https://hf-mirror.com
sudo apt update
sudo apt install aria2

# 需要登录 huggingface 获取你的 用户名 和 token
./hfd.sh netrunnerllm/Qwen3-8B-Q4_K_M-GGUF --hf_username <USERNAME> --hf_token hf_***

5. 启动 llama-server

# rocm 驱动库链接
export LD_LIBRARY_PATH=/opt/rocm/lib:$LD_LIBRARY_PATH
cd llama-*x64/
./llama-server -m ~/models/Qwen3-8B-Q4_K_M-GGUF/qwen3-8b-q4_k_m.gguf -ngl 99

6. 测试接口（curl + jq 计算 tokens/s）

使用 curl 请求本地的 llama-server 接口，并统计 QPS / TPS：

curl -s -X POST http://127.0.0.1:8080/v1/completions \
  -H "Content-Type: application/json" \
  -d '{
  "model": "qwen3-8b-q4_k_m",
  "prompt": "用一句话解释大语言模型",
  "max_tokens": 128
}' | jq -r '
# 打印生成文本
.choices[0].text as $txt |
# 计算 token/s
(.usage.completion_tokens / (.timings.predicted_ms / 1000)) as $tps |
"生成文本:\n\($txt)\n\ntokens/s: \($tps|tostring)"
'

截图示例：

测试结果示例（Qwen3-8B Q4_K_M，ctx=4096）：

  • 约 40.71 tokens/s

二、方式二：Docker 方式（官方 ROCm llama.cpp 镜像）

如果你更习惯使用 Docker，可以参考官方文档：

注意：若使用 Docker，需要安装 amdgpu-dkms：
https://rocm.docs.amd.com/projects/install-on-linux/en/latest/how-to/docker.html
相关步骤在前文安装脚本中已包含；若未执行脚本，需要自行手动安装。

1. 下载容器镜像

export MODEL_PATH='~/models'

sudo docker run -it \
  --name=$(whoami)_llamacpp \
  --privileged --network=host \
  --device=/dev/kfd --device=/dev/dri \
  --group-add video --cap-add=SYS_PTRACE \
  --security-opt seccomp=unconfined \
  --ipc=host --shm-size 16G \
  -v $MODEL_PATH:/data \
  rocm/dev-ubuntu-24.04:7.0-complete

2. 容器内准备工作区

进入容器后，设置你的工作目录与依赖：

apt-get update && apt-get install -y nano libcurl4-openssl-dev cmake git
mkdir -p /workspace && cd /workspace

3. 容器内克隆 ROCm 官方 llama.cpp 仓库

git clone https://github.com/ROCm/llama.cpp
cd llama.cpp

4. 设定 ROCm 架构（以 AI MAX 395 为例）

export LLAMACPP_ROCM_ARCH=gfx1151

如需同时为多种微架构编译，可使用：

export LLAMACPP_ROCM_ARCH=gfx803,gfx900,gfx906,gfx908,gfx90a,gfx942,gfx1010,gfx1030,gfx1032,gfx1100,gfx1101,gfx1102,gfx1150,gfx1151

5. 编译并安装 llama.cpp

HIPCXX="$(hipconfig -l)/clang" HIP_PATH="$(hipconfig -R)" cmake -S . -B build -DGGML_HIP=ON -DAMDGPU_TARGETS=$LLAMACPP_ROCM_ARCH -DCMAKE_BUILD_TYPE=Release -DLLAMA_CURL=ON && \
cmake --build build --config Release -j$(nproc)

6. 测试安装

cd /workspace/llama.cpp
./build/bin/test-backend-ops

7. 运行 Qwen3-8B Q4_K_M 测试

./build/bin/llama-cli -m /data/Qwen3-8B-Q4_K_M-GGUF/qwen3-8b-q4_k_m.gguf -ngl 99

截图示例：

测试结果（Qwen3-8B Q4_K_M，ctx=4096）：

  • 约 39.60 tokens/s