Ubuntu22.04+ROCm5.7环境下import torch触发非法指令(core dumped)求助

问题描述 #

在Ubuntu 22.04系统中，按ROCm官方文档步骤通过预安装PyTorch的Docker镜像部署环境，操作如下：

• 拉取镜像：~$ docker pull rocm/pytorch:latest
• 启动容器：~$ docker run -it --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --device=/dev/kfd --device=/dev/dri --group-add video --ipc=host --shm-size 8G rocm/pytorch:latest

运行测试命令时出现错误：

~$ python3 -c 'import torch' 2> /dev/null && echo 'Success' || echo 'Failure'

错误信息：illegal instruction (core dumped)

已完成的排查：

• 通过rocminfo检测到ROCk模块加载正常
• GPU为Radeon RX Vega（gfx900）
• 通过dpkg --list | grep amdgpu确认amdgpu驱动已安装

问题排查与解决 #

核心原因 #

你的Radeon RX Vega属于gfx900架构，而rocm/pytorch:latest镜像默认编译时启用了你的CPU不支持的指令集（比如AVX2、AVX-512），导致导入PyTorch时触发非法指令错误。

解决步骤 #

1. 更换兼容的ROCm版本镜像
   放弃latest标签，选择适配gfx900且兼容旧CPU的稳定版本，比如ROCm 5.6.x版本：

   docker pull rocm/pytorch:rocm5.6_ubuntu22.04_py3.10_pytorch_2.0.1
   

   启动容器时替换镜像标签，其余参数保持不变：

   docker run -it --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --device=/dev/kfd --device=/dev/dri --group-add video --ipc=host --shm-size 8G rocm/pytorch:rocm5.6_ubuntu22.04_py3.10_pytorch_2.0.1
   

2. 验证修复效果
   进入容器后重新运行测试命令：

   python3 -c 'import torch' 2> /dev/null && echo 'Success' || echo 'Failure'
   

3. 确认GPU识别情况
   进一步验证PyTorch能否正常调用AMD GPU：

   python3 -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.device_count()); print(torch.cuda.get_device_name(0))"
   

补充提示 #

• gfx900架构在ROCm 5.7及以上版本仍受支持，但部分新版本镜像的编译优化会默认启用高端CPU指令集，旧CPU无法兼容，所以选择稍旧的稳定版本更稳妥。
• 若想确认自身CPU支持的指令集，可在宿主机执行cat /proc/cpuinfo | grep flags，查看输出中是否包含avx2等标识；如果没有，必须选择未强制启用这些指令集的镜像。

内容的提问来源于stack exchange，提问作者busman