composable_kernel

rocm/composable_kernel Docker Image

Composable Kernel库的公共Docker镜像,提供便捷的容器化环境以支持该库的部署与使用。

10 次收藏下载次数: 0状态:社区镜像维护者:AMD ROCm 官方容器镜像仓库类型:镜像最近更新:

Composable Kernel Docker镜像文档

1. 镜像概述和主要用途

Composable Kernel(简称CK)是一款高性能计算内核开发库,旨在为开发者提供模块化、可组合的构建块,用于构建针对多硬件架构(如NVIDIA GPU、AMD GPU等)优化的计算内核。该Docker镜像基于CK库构建,提供预配置的、一致的开发与运行环境,旨在简化依赖管理、消除环境差异,支持开发者快速上手CK库的使用、内核开发、测试及部署。

2. 核心功能和特性

2.1 预配置开发环境

  • 集成最新稳定版Composable Kernel库及其核心依赖(如CUDA Toolkit、ROCm SDK等,根据目标硬件架构适配)。
  • 包含完整编译工具链:GCC/Clang编译器、CMake构建系统、Ninja等。

2.2 多架构支持

  • 支持NVIDIA GPU环境(基于CUDA)和AMD GPU环境(基于ROCm),可通过镜像标签选择目标架构。
  • 兼容主流GPU驱动版本,确保硬件加速功能正常启用。

2.3 工具集成

  • 内置调试工具(如CUDA-GDB、ROCgdb)、性能分析工具(Nsight Systems、rocprof)及代码检查工具。
  • 包含CK库示例代码和文档,便于快速学习和验证。

2.4 环境一致性

  • 固定依赖版本,避免因系统环境差异导致的兼容性问题,确保开发、测试、部署流程的一致性。

3. 使用场景和适用范围

3.1 典型使用场景

  • HPC应用内核开发:构建针对科学计算、数值模拟的高性能自定义内核。
  • AI框架加速优化:为深度学习框架(如PyTorch、TensorFlow)开发定制化算子内核。
  • 跨架构内核移植:在不同GPU架构间验证和移植优化后的计算内核。
  • 教学与研究:作为高性能计算内核开发的教学环境,或用于硬件架构适配研究。

3.2 适用人群

  • 高性能计算(HPC)开发者
  • AI框架算子优化工程师
  • 硬件架构适配研究人员
  • 计算内核性能调优人员

4. 使用方法和配置说明

4.1 镜像拉取

Composable Kernel镜像托管于Docker Hub或GitHub Container Registry,可通过以下命令拉取:

bash
# 拉取最新版(默认架构,如CUDA)
docker pull docker.xuanyuan.run/composablekernel:latest

# 拉取指定版本(如v1.2.0)
docker pull docker.xuanyuan.run/composablekernel:v1.2.0

# 拉取特定架构版本(如ROCm支持)
docker pull docker.xuanyuan.run/composablekernel:rocm-latest

镜像标签说明:

  • latest:最新稳定版,默认适配主流架构(如CUDA);
  • v<x.y.z>:指定CK版本(如v1.2.0);
  • cuda-<version>/rocm-<version>:指定底层计算栈版本(如cuda-12.1、rocm-5.6)。

4.2 容器运行

4.2.1 基础开发环境启动

bash
# 启动交互式终端,挂载当前目录至容器内/workspace(用于代码持久化)
docker run -it --rm \
  --name ck-dev-env \
  -v $(pwd):/workspace \  # 挂载本地代码目录
  composablekernel:latest \
  /bin/bash

4.2.2 GPU硬件访问(必要时)

若需使用GPU加速,需在运行时添加硬件访问参数:

  • NVIDIA GPU(需安装nvidia-docker):

    bash
    docker run -it --rm \
      --gpus all \  # 映射所有GPU设备
      -v $(pwd):/workspace \
      composablekernel:cuda-12.1 \
      /bin/bash
    
  • AMD GPU(ROCm):

    bash
    docker run -it --rm \
      --device /dev/kfd \  # 访问AMD GPU设备
      --device /dev/dri \
      -v $(pwd):/workspace \
      composablekernel:rocm-5.6 \
      /bin/bash
    

4.3 环境变量配置

容器支持通过环境变量自定义运行时行为,常用变量如下:

环境变量名说明默认值
CK_VERSION指定容器内CK库版本(需镜像支持多版本)镜像内置版本
CMAKE_BUILD_TYPE编译类型(Release/Debug/RelWithDebInfo)Release
WORKSPACE工作目录路径/workspace
CUDA_HOMECUDA安装路径(CUDA镜像)/usr/local/cuda
ROCM_HOMEROCm安装路径(ROCm镜像)/opt/rocm

使用示例:指定Debug模式编译

bash
docker run -it --rm \
  -e CMAKE_BUILD_TYPE=Debug \
  docker.xuanyuan.run/composablekernel:latest \
  /bin/bash

4.4 典型操作示例

4.4.1 编译CK示例代码

容器内默认包含CK示例代码(路径:/opt/composablekernel/examples),可直接编译验证环境:

bash
# 进入容器后执行
cd /opt/composablekernel/examples/01_simple_gemm
mkdir build && cd build
cmake ..
make -j$(nproc)
# 运行编译后的示例(需GPU支持)
./simple_gemm

4.4.2 挂载本地代码开发

将本地CK项目挂载至容器,进行自定义内核开发:

bash
# 本地主机执行(挂载当前项目目录至容器/workspace)
docker run -it --rm \
  --gpus all \
  -v $(pwd):/workspace \
  docker.xuanyuan.run/composablekernel:latest \
  /bin/bash

# 容器内编译本地代码
cd /workspace
mkdir build && cd build
cmake .. -DCMAKE_PREFIX_PATH=/opt/composablekernel
make -j$(nproc)

5. 部署方案示例

5.1 基础开发环境部署(docker run)

bash
# 拉取并启动支持CUDA 12.1的CK开发环境,挂载代码目录并保留容器(--rm改为--name持久化)
docker run -it --name ck-dev-cuda12 \
  --gpus all \
  -v /path/to/local/code:/workspace \
  -v /path/to/datasets:/datasets \  # 挂载数据集
  composablekernel:cuda-12.1 \
  /bin/bash

5.2 持久化开发环境(docker-compose)

创建docker-compose.yml配置文件,定义持久化开发环境:

yaml
version: '3'
services:
  ck-dev:
    image: docker.xuanyuan.run/composablekernel:latest
    container_name: ck-dev-env
    runtime: nvidia  # NVIDIA GPU需添加(依赖nvidia-docker)
    environment:
      - CMAKE_BUILD_TYPE=Release
      - WORKSPACE=/workspace
    volumes:
      - ./local_code:/workspace  # 本地代码目录
      - ./datasets:/datasets    # 数据集目录
      - ./ck_cache:/root/.cache  # 缓存目录持久化
    tty: true  # 保持终端连接

启动服务:

bash
docker-compose up -d  # 后台启动
docker-compose exec ck-dev /bin/bash  # 进入容器

6. 注意事项

  • 硬件兼容性:使用GPU时,需确保主机GPU驱动版本与镜像依赖的CUDA/ROCm版本匹配(如CUDA 12.1需驱动版本≥530.30.02)。
  • 镜像标签选择:根据目标硬件架构(NVIDIA/AMD)和依赖版本选择对应标签,避免架构不匹配导致功能异常。
  • 数据持久化:容器内数据默认非持久化,建议通过-v参数挂载本地目录保存代码、编译产物及数据。
  • 性能调优:进行内核性能测试时,建议为容器分配足够CPU资源(如--cpus参数)和内存,避免资源限制影响测试结果。

镜像拉取方式

您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。

轩辕镜像加速拉取命令点我查看更多 composable_kernel 镜像标签

docker pull docker.xuanyuan.run/rocm/composable_kernel:<标签>

DockerHub 原生拉取命令

docker pull rocm/composable_kernel:<标签>
专业版 · 高速稳定拉取镜像
50GB 仅 ¥8/年
高速镜像下载在线技术支持专业版保障服务可用付费会员免广告