f131882299
- eererdan/memory: MEMO-013 作废更正(7.14非Windows版号)、新增 MEMO-014/015/016 - eererdan/experience: EXPER-029/030 修正(H3本地部署+马赛克根因) - memory/eed + skill(hldp-context-protect等) 同步 - 注: 新家 origin token 失效暂推旧家 old-origin 保底
80 lines
5.3 KiB
Plaintext
80 lines
5.3 KiB
Plaintext
# EED-MEMO-016 · HLDP 会话记忆回写（ROCm 7.14 升级"到位"官方核验）
|
||
> HLDP://cang-ying/eererdan/memory/EED-MEMO-016
|
||
> 触发: 上下文压缩前自动回写（面板预警 ~8750K token）· 2026-08-07（蛋蛋第158天）
|
||
> 承接: EED-MEMO-015（ROCm 7.14 干净装 + H3 重测马赛克仍在）
|
||
> 关联: EED-EXPER-029 · EED-EXPER-030 · skill/hldp-context-protect
|
||
|
||
## §1 · 已做决策
|
||
```
|
||
① 本次会话核心指令 = "先按照官方文档看看更新都到位了没有"（爸原话）。
|
||
不打 H3 下一步，先把 ROCm 7.14 升级本身"到位没到位"按官方验证项核对清楚。
|
||
② 判定口径（采用官方）：安装后验证三件套 amd-smi / rocm-smi / rocminfo + TheRock 包版本。
|
||
结论：ROCm 7.14 计算栈（runtime + HIP + 库 + 工具）100% 到位，符合官方验证标准。
|
||
③ 两处 ⚠️ 已定性（非升级失败，是已知边界）：
|
||
- amdgpu version: N/A → DKMS 6.19.14 未签名被拒 → 回退内核自带签名 amdgpu；功能无损，非 AMD DKMS 标准形态。
|
||
- PyTorch 仍 +rocm7.2 → H3 马赛克根因，非 ROCm runtime 能解决（Linux 无官方 +rocm7.14 wheel）。
|
||
④ 倾向：amdgpu N/A 保持现状（能算、H3 也不卡在这）；是否修成官方 6.19.14 等爸拍板。
|
||
```
|
||
|
||
## §2 · 进行中的任务
|
||
```
|
||
① ✅ ROCm 7.14 官方核验完成（12 项对照全过，见 §3）。
|
||
② 🔲 等爸拍板（一）：amdgpu version N/A 修不修（修=给 DKMS 模块签名/关 Secure Boot，有搞挂风险）。
|
||
③ 🔲 等爸拍板（二）：H3 下一步 A/B/C/D（A 源码编 PyTorch rocm7.14 / B 等官方 wheel / C Windows / D 放弃）。
|
||
④ 🔲 BC-006 广播📢待处理（图片优先管线，需爸圈定付费镜头 + 蛋蛋补回执）。
|
||
⑤ 🔲 ComfyUI-Manager 仍 .disabled（启动 segfault 避坑），是否恢复待定。
|
||
⑥ 🔲 cang-ying 推送 pending（EED-MEMO-013/014/015 + EED-EXPER-030，旧家 TLS 网络问题）。
|
||
```
|
||
|
||
## §3 · 关键事实与资产
|
||
```
|
||
① 官方 amd-smi version 期望示例（rocDocs ROCm 7.14，已查）：
|
||
AMDSMI 26.5.0 | ROCm version 7.14.0 | amdgpu version 6.19.14.31400000 | ionic N/A
|
||
→ 本机 amdgpu-dkms 包版本正是 6.19.14.31400000（包版本号本身正确，只是模块没加载）。
|
||
② 本机实测对照（12 项）：
|
||
- amd-smi: ROCm 7.14.0 ✅ / AMDSMI 26.5.0 ✅ / amdgpu N/A ⚠️
|
||
- rocm-smi: Dev0=0x744c RX7900XTX ✅；Dev1=0x164e iGPU(gfx1036)
|
||
- rocminfo: ROCk loaded ✅；Agent gfx1100(RX7900XTX) + gfx1036(iGPU) 均识别 ✅
|
||
- /opt/rocm/core-7 → /etc/alternatives/core-7 → /opt/rocm/core-7.14 ✅（TheRock 当前核心=7.14）
|
||
- 包：amdrocm7.14-* 全套 7.14.0-3（含 gfx1100 全量）✅；无残留经典 rocm-* 7.2 包 ✅（干净）
|
||
- hipcc 7.14.60850 ✅（HIP 7.14 匹配）
|
||
- /dev/kfd 存在(crw-rw---- render 234,0) ✅
|
||
- PyTorch 2.13.0+rocm7.2 / hip 7.2.53211 ⚠️（H3 根因）
|
||
③ amdgpu version N/A 根因链：Secure Boot 开启 → DKMS 版 amdgpu(6.19.14) 签名密钥未注册 MOK → 拒载
|
||
→ 回退内核自带签名 amdgpu.ko.zst → amd-smi 从"加载模块"读不到 AMD 6.19.14 版本号 → N/A。
|
||
功能无损（GPU 认得/KFD 在/torch.cuda True/H3 全流程能跑）。
|
||
④ 残留 amdgpu-core 7.2 meta 包（旧 installer 残留，无害，但非干净安装应有）。
|
||
⑤ Dev0 占 86% VRAM（rocm-smi 实测）→ 疑 ComfyUI 仍挂 H3 模型；再跑前需清。
|
||
⑥ 核验方法沉淀（可复用）：ROCm 升级后核验 = amd-smi version + rocm-smi + rocminfo
|
||
+ dpkg amdrocm7.14-* + /opt/rocm/core-7 alternatives + hipcc --version + python -c torch.version.hip。
|
||
```
|
||
|
||
## §4 · 爸爸的偏好与指令
|
||
```
|
||
① "严格按官方来，不要自己瞎猜瞎搞" → 升级/核验/排雷先查证再动手，不偏离官方路径。
|
||
② "先按照官方文档看看更新都到位了没有" → 先核对到位，再决定下一步（不跳步）。
|
||
③ 先查先报后做（铁律）；驱动级/系统级操作必报告+可回滚（EED-MEMO-013 重启事故教训）。
|
||
④ 诚实区分"能跑"vs"跑正常" → 7.14 装好≠马赛克消失（已两次实测确认）。
|
||
⑤ 涉及风险操作（签名 DKMS/关 Secure Boot/动内核）→ 必须先报爸拍板，不擅动。
|
||
```
|
||
|
||
## §5 · 待办事项
|
||
```
|
||
1. 🔲 爸拍板：amdgpu version N/A 修不修（修=签名DKMS或关Secure Boot，有风险；不修=现状能算）。
|
||
2. 🔲 爸拍板：H3 下一步 A/B/C/D（runtime 已到位，但 PyTorch 未升→马赛克还在）。
|
||
3. 🔲 BC-006 广播📢：爸圈定付费镜头 + 蛋蛋补回执。
|
||
4. 🔲 推 cang-ying（EED-MEMO-013/014/015/016 + EED-EXPER-030，旧家 TLS 网络问题 pending）。
|
||
5. 🔲 ComfyUI-Manager 是否恢复（当前 .disabled，因 cnr_utils 启动 segfault）。
|
||
6. 🔲 清 Dev0 86% VRAM（如要再跑生成，先确认 ComfyUI 是否仍挂模型）。
|
||
```
|
||
|
||
## §6 · 相关经验编号
|
||
```
|
||
EED-EXPER-029(MiniMax H3 本地部署·马赛克根因+Windows出路) · EED-EXPER-030(ROCm7.14 TheRock H3重测·马赛克未消)
|
||
EED-MEMO-015(ROCm7.14干净装+H3重测·本会话承接) · skill/hldp-context-protect(本回写格式来源)
|
||
```
|
||
|
||
> ⊢ 耳耳蛋 · 2026-08-07（第158天）· 压缩前回写
|
||
> ⊢ ROCm 7.14 计算栈经官方三件套核验=到位；唯一偏离 amdgpu 走内核自带驱动(N/A)功能无损；
|
||
> H3 卡在 PyTorch rocm7.2，待爸拍板 A/B/C/D。
|