cang-ying/eererdan/memory/EED-MEMO-014.hdlp

# EED-MEMO-014 · HLDP 会话记忆回写（ROCm 7.2.4→7.14 升级攻坚 · A计划）
> HLDP://cang-ying/eererdan/memory/EED-MEMO-014
> 触发: 爸爸拍板 A（稳妥推进升级 ROCm 7.14）· 2026-08-07
> 关联: EED-EXPER-029 §7（马赛克根因=ROCm7.2.4旧）· EED-MEMO-013

## §1 · 已做决策
```
① 爸爸拍板 A: 升级 ROCm 7.2.4 → 7.14.0（Linux 稳定生产版，官方建议 7.2 迁移）
   目标: 对齐 larryvrh（Linux 7.14+7900XTX 跑通 H3），验证马赛克是否消失
② H3 非主力（主力 LTX 2.3 / EED-EXPER-017），升级为"尝试验证"非刚需
③ 铁律: 全程可回滚，不碰驱动前先落盘预案；每阶段验证
```

## §2 · 进行中的任务（A计划分阶段）
```
阶段0 ✅ 盘清环境（只读已完成）
  - torch 自带 HIP 库(venv/.../torch/lib/ 含 libamdhip64.so 等) → 升级后大概率仍 GPU
  - /opt/rocm 是软链→/opt/rocm-7.2.4(经 /etc/alternatives/rocm)
  - apt 缓存无 7.2 deb 备份；apt 源只列 7.2.4（看不到 7.14）→ 须换 7.14 源+新 amdgpu-install
阶段1 🔲 换 repo 到 7.14 源 + 下载 7.14 amdgpu-install（不动驱动）
阶段2 🔲 amdgpu-install 升 7.14（重载驱动→可能重启）
阶段3 🔲 修复 PATH/软链 + 验证 torch.cuda 仍 GPU + LTX 仍能跑
阶段4 🔲 按官方模板+int8_convrot+turbo LoRA+Spectrum 重测 H3 马赛克
```

## §3 · 关键事实与资产
```
① 当前环境快照:
   ROCm=7.2.4 | torch=2.13.0+rocm7.2(hip 7.2.53211) | Ubuntu 24.04.4
   /opt/rocm -> /etc/alternatives/rocm -> /opt/rocm-7.2.4
   venv: /home/ls/comfy/ComfyUI/venv (python3.12)
   GPU: 7900XTX gfx1100, device count=1（重启后恢复）
② ROCm 7.14 变更(社区踩坑):
   - 安装路径 /opt/rocm → /opt/rocm/core
   - 包名前缀 rocm-* → amdrocm-*
   - PATH/LD_LIBRARY_PATH 须改，否则新程序找不到 ROCm（但 torch 自带库风险低）
   - 官方配套 PyTorch=2.12（非 2.13），但 torch 自带 HIP 库→可能不必须重装
③ 7.14 已确认支持: Ubuntu 24.04.4 + RX 7900 XTX(gfx1100)（官方矩阵）
④ 社区实证: larryvrh Linux 7.14+7900XTX 跑通 H3(+加速LoRA)
   但 7900XTX 普遍仍掉卡/黑图(丨夜微丶凉/日皇大弟) → "能跑≠跑正常"
```

## §4 · 爸爸的偏好与教训
```
① "升级，下载，不要靠瞎猜瞎搞" → 先查证再动手
② 之前我 sudo modprobe amdgpu 触发重启 → 驱动级操作必报告+可回滚(EED-MEMO-013)
③ 爸爸拍板 A 但要求"稳妥推进、全程可回滚" → 不莽撞，每阶段验证
④ 爸爸点醒: 别怪平台怪配置；社区能跑咱也能（但须诚实区分"能跑"vs"跑正常"）
```

## §5 · 回滚预案（⚠️ 救命用，升级前必落盘）
```bash
# 切回 7.2 源
sudo tee /etc/apt/sources.list.d/rocm.list <<< \
  "deb [arch=amd64] https://repo.radeon.com/rocm/apt/7.2.4 noble main"
sudo tee /etc/apt/sources.list.d/amdgpu.list <<< \
  "deb [arch=amd64] https://repo.radeon.com/amdgpu/30.30.4/ubuntu noble main"
# 重装 7.2 全套（允许降级）
sudo apt update && sudo apt install --allow-downgrades -y \
  rocm-core=7.2.4.70204-93~24.04 amdgpu-install=30.30.4.0.30300400-2341068.24.04
# 软链指回
sudo ln -sfn /opt/rocm-7.2.4 /etc/alternatives/rocm
# 重启验证 torch.cuda 恢复 GPU
```

## §6 · 待办
```
1. 阶段1: 换 7.14 源 + 下载 7.14 amdgpu-install（先不动驱动，给爸爸看再装）
2. 阶段2: 升 7.14（可能重启）
3. 阶段3: 验证 torch.cuda GPU + LTX 能跑（主力环境不被搞崩）
4. 阶段4: 重测 H3 马赛克
5. 推旧家仓库（EED-MEMO-013/014，网络 TLS 问题待补推）
```

## §7 · 相关经验编号
```
EED-EXPER-029(§7 根因修正) · EED-EXPER-017(H3非主力) · EED-MEMO-013(重启事故)
skill/hldp-context-protect(本回写)
```

## §8 · 现状修正（2026-08-07 决定性探查，推翻"阶段1又活了"）
```
ROCm 7.14 对 Ubuntu 24.04.4 现在【升不了】(铁证，非瞎猜)：
- amdgpu-install_31.40.314000-1_all.deb 能下(仅23KB脚本)，不含ROCm包
- installer 同目录 pool/ 404；rocm/apt/7.14.0/dists/noble 404；Runfile 404
- 脚本L97: "generic amdrocm - not yet available"
- 父给兼容性矩阵"24.04.4在支持列表"=官方路线图承诺，但 apt包未上架(发布窗口期)
→ A计划(升7.14解马赛克)暂死。等AMD把7.14包推上noble仓库(估1~2周)再升。
→ 之前"阶段1又活了"乐观判断收回(当时只看installer能下，未验ROCm包404)。
```

## §9 · 下一步待办（爸爸未拍板，待选）
```
1. 每日探测: curl rocm/apt/7.14.0/dists/noble/Release 是否变200 → 就绪则升7.14
2. A'(零系统风险): 本地 UNetLoaderINT4ConvRot + turbo LoRA 在7.2.4重测H3
   - 未知: INT4ConvRot节点能否吃现有 int8_convrot 模型 / 是否需下INT4版H3 DiT
   - 依据: issue报告L37原生算子含 convrot_w4a4(INT4 ConvRot)，此路径之前未试
3. B: 暂搁H3专心LTX 2.3(主力)，等7.14上架或社区更成熟
```

## §10 · 爸爸两次权威资料(已采纳)
```
① 兼容性矩阵: 24.04.4 (kernel 6.8) 在ROCm 7.14支持列表 → 确认硬件/系统合规
② 四种安装法 + 过渡指南(路径/opt/rocm/core、包名amdrocm-) → 升级步骤已掌握
→ 等包上架即可按 amdgpu-install --usecase=rocm 干净升级

## §11 · Runfile 通道发现（2026-08-07 最终探查）
```
apt 源死: rocm/apt/7.14.0/dists/{noble,resolute} 全404，amdrocm-*包未上架
但 Runfile 安装器存在(方法四离线装):
  URL: repo.radeon.com/rocm/installer/rocm-runfile-installer/rocm-rel-7.14/rocm-installer-7.14.0-7.run  [200]
  → 这是现在装7.14的唯一通道(apt源未同步)
未知(未验证,不乐观):
  ① Runfile装用户态SDK还是含内核驱动amdgpu?(命名似用户态Core SDK)
  ② 用户态7.14+内核7.2.4能否解马赛克?(量化算子可能在用户态库)
  ③ 装到/opt/rocm/core与7.2.4共存/冲突？回滚手动
→ A''变体: 走Runfile试装(先下载.run看装什么+验大小，再决定执行)
```

## §12 · 爸爸四轮官方资料已采纳(硬件支持层完全对齐)
```
兼容性矩阵: 7900XTX(gfx1100)+Ubuntu24.04.4 在ROCm7.14支持列表 ✅(官方实证)
安装向导: 24.04/26.04 均给 installer；Runfile 通道在 rocm/installer/rocm-runfile-installer/
→ 硬件/系统支持7.14 = 确凿；装不了是 apt包未上架 + 需走Runfile，非不支持

## §13 · 执行进展（2026-08-07 阶段1完成→阶段2启动）
```
① 阶段1✅: 加官方GPG(/etc/apt/keyrings/amdrocm.gpg 2837B)+换7.14源(repo.amd.com/rocm/packages-multi-arch/ubuntu2404 stable main)+apt update成功
② 干跑铁证: 7.14 amdrocm-* 与 7.2.4 rocm-* 包名不同→【可共存】；amdgpu-core可用版仅7.2.4(多架构源无7.14 graphics)→内核驱动(in-tree amdgpu.ko)不动
③ 决策变更(更稳): 不按原脚本 purge 7.2.4，改【共存+重指软链】。7.2.4留盘=即时回退：sudo ln -sfn /opt/rocm-7.2.4 /etc/alternatives/rocm 即可，免apt重装、免走回滚脚本
④ 阶段2🔲: 后台 apt install amdrocm7.14-gfx1100(大体积下载，日志/tmp/h3_phase2_install.log)→完成后定位7.14目录(/opt/rocm-7.14.0或/opt/rocm/core)、重指/opt/rocm→7.14
⑤ 阶段3🔲: 验证 rocminfo认卡 + torch.cuda(GPU) + LTX能跑(不靠重启即可验)
⑥ 阶段4🔲: 验证过再按爸爸授权做1次干净重启(清状态)；失败则软链指回7.2.4立即回退
⑦ 回退(新增即时档): ln -sfn /opt/rocm-7.2.4 /etc/alternatives/rocm  → 比apt回滚快且零风险
```

## §14 · 关键更正：7.14 工具没挂，是会话前台超时误判 (2026-08-07)
```
① 误判经过: 本会话 Bash 带 |grep 流式输出的长命令会被"前台超时自动转后台"，Partial 只抓开头→我误以为7.14 rocminfo挂死(KFD不匹配)。实际是工具转后台+我看Partial误读。
② 真相: 直接跑 /opt/rocm/core-7.14/bin/rocminfo(限时12s,输出落文件)→ RC=0，正常枚举 Agent2=gfx1100(RX7900XTX)+Agent3=gfx1036(集显)，Runtime1.21，结尾"*** Done ***"。7.14工具完全正常。
③ 处置: 因误判先回退7.2.4(过度谨慎，rocminfo验证RC=0正常)；后确认7.14正常→重新激活 /opt/rocm→core-7.14。7.2.4留盘(/opt/rocm-7.2.4)作即时回退。
④ 当前态: ROCm7.14用户态已装且可用；/opt/rocm→core-7.14；内核驱动仍in-tree(未变)；torch.cuda 待后台确认(/tmp/verify714.log)。
⑤ 下一步: 按官方模板+int8_convrot+turbo LoRA+Spectrum 重测 H3 马赛克(阶段4)。7.14是否真解马赛克=未知，必须实测。
⑥ 教训: 本会话带管道长命令会被转后台且看不到输出→验证统一用"重定向到文件+Read"模式，勿凭Partial输出下"挂死/不匹配"结论。
```