Datawhale Hello-gpu 组队学习跟学笔记 Task-0

Datawhale Hello-GPU 组队学习跟学笔记 Task-0一、任务信息教程链接Hello GPU- 任务Task 0 | 环境准备- 内容第1章 环境准备- 时间第1-3天截止第3天结束前- 打卡一张运行成功截图附显卡型号及环境配置中的问题无问题写“无”二、学习目标1. 了解课程结构找到教程与实验环境指南2. 确认显卡、系统及 ROCm 环境3. 完成依赖同步与环境激活4. 跑通教程中的最小示例三、实操记录1. 启动 Radeon Cloud 实例进入 JupyterLab/Terminal2. 检查环境amd-smipython -c import torch; print(torch.cuda.is_available())hipcc --version3. 定位代码find / -name vector_add.hip 2/dev/nullcd .../part0-intro/chapter14. 编译运行hipcc vector_add.hip -O2 -o vector_add./vector_add5. 云环境注意已预装 ROCm/PyTorch/Triton无需 uv sync本地才需 source ./activate-rocm.sh四、踩坑与解决- 报错“China or Global notebook lifecycle is already active”初遇以为是账户已有活跃实例去 Profile → Active Instance 销毁发现其实没有关闭代理后刷新解决。- 报错“No matching Node...”资源不足/模板 GPU 数过多/额度不足。注意检查实验平台额度参加组队学习的兄弟不要等到ddl了再做实验打卡抢不到资源的- cd 路径错误用 find 定位 vector_add.hip 实际路径。- ./vector_add 无反应可能 GPU 初始化或 kernel 卡住。新开终端用 timeout 15 ./vector_add加 HIP_LAUNCH_BLOCKING1amd-smi 查占用。- 打开实例后别切浏览器标签页坑啊- ls -lh 无反应旧终端被卡住进程占用CtrlC 或新开 Terminal。