标题 ：将AMD ROCm开源软件栈逐步引入openEuler实现GPU加速计算

难度 ：高

描述 ：
针对高性能计算和人工智能，GPU加速计算在数据中心的作用日益显著。英伟达CUDA是一套闭源的软件栈，需要厂商提供直接的支持，而AMD ROCm是一套完全开源的软件栈，社区可以针对不同的Linux发行版和硬件架构进行适配，从而实现基于AMD GPU的加速计算。ROCm整体架构可查看参考资料【1】，本项目希望能够将基本的ROCm Runtime支持引入到openEuler社区中，并使用一些测试程序进行相关的功能验证。在此基础上，后续可基于openEuler，对ROCm软件栈中的编程模型、上层库和框架进行使能，并验证TensorFlow和PyTorch的ROCm加速（TensorFlow和PyTorch上游已默认支持ROCm）。本项目暂时只需要考虑单GPU的情况。

基本的软件模块包括：

• 内核驱动（使用upstream amdgpu内核驱动）
• 用户态接口（ROCm Thunk Interface)
• 运行时（ROCm Runtime）

验证测试程序包括：

• rocminfo
• rocm_smi
• RocBandwidthTest
• ROCmValidationSuite

目标：

1. 基于openEuler 21.03 (k5.10)，将上述软件模块和测试程序在x86平台上进行编译安装和验证，并解决遇到的问题
2. 基于openEuler 21.03 (k5.10)，将上述软件模块和测试程序在鲲鹏平台上进行编译安装和验证，并解决遇到的问题
   3.（可选）基于openEuler 21.03 (k5.10)，对软件模块和测试程序进行打包管理

导师：周杰

联系方式：jammy.zhou@gmail.com

产出标准：

1. 基于openEuler，实现脚本完成软件模块的编译安装和验证测试
2. 向上游社区提交相关补丁以解决遇到的问题
3. 总结整个开发流程和遇到的问题，并形成文档（建议使用英文）

技术要求：

1. 熟悉Linux操作系统及内核
2. 有GPU和人工智能开发背景更佳

相关项目链接（仓库列表等）：
【1】https://github.com/RadeonOpenCompute/ROCT-Thunk-Interface
【2】https://github.com/RadeonOpenCompute/ROCR-Runtime
【3】https://github.com/RadeonOpenCompute/rocminfo
【4】https://github.com/RadeonOpenCompute/rocm_smi_lib/tree/master/python_smi_tools
【5】https://github.com/RadeonOpenCompute/rocm_bandwidth_test
【6】https://github.com/ROCm-Developer-Tools/ROCmValidationSuite

相关资料（可选）：
【1】https://rocmdocs.amd.com/en/latest/
【2】https://github.com/RadeonOpenCompute/ROCm
【3】https://developer.amd.com/resources/rocm-resources/rocm-learning-center/
【4】https://github.com/ROCm/ROCm.github.io/blob/master/hardware.md
【5】https://rocmdocs.amd.com/en/latest/Installation_Guide/Installation-Guide.html#getting-the-rocm-source-code