Linux下使用ROCm版PyTorch访问GPU内存时出现段错误求助

问题概述 #

使用AMD RX 6600显卡，ArchLinux系统下通过发行版提供的PyTorch+ROCm包运行GPU代码时，出现内存分配成功但读取时崩溃的情况。测试代码及运行输出如下：

测试代码 #

import torch

# 检查AMD HIP可用性
print(torch.cuda.is_available())
print(torch.version.hip)

device = torch.device('cuda')
id = torch.cuda.current_device()
# 打印GPU名称
print(torch.cuda.get_device_name(id))
# 初始内存分配量
print(torch.cuda.memory_allocated(id))

# 在GPU内存中存储变量
r = torch.rand(16).to(device)
# 分配后的内存量
print(torch.cuda.memory_allocated(id))
# 访问变量时崩溃
print(r[0])

运行输出 #

~ ＞ python test.py
True                                                    # GPU计算可用
5.4.22804-                                              # ROCm版本
AMD Radeon RX 6600                                      # GPU名称
0                                                       # 初始内存分配
512                                                     # 分配后的内存量
zsh: segmentation fault (core dumped)  python test.py   # 访问变量时崩溃

代码是否存在问题？ #

你的代码没有逻辑问题，这是一套标准的PyTorch GPU张量创建与访问测试流程，所有调用均符合PyTorch官方API规范，崩溃并非代码写法导致。

调试与排查步骤 #

• 验证ROCm基础环境：执行rocminfo和hipinfo命令，确认RX 6600（架构为gfx1032）被正确识别，ROCm核心组件加载正常，且该架构在当前ROCm 5.4版本的支持范围内。
• 检查版本兼容性：确认发行版提供的PyTorch版本与ROCm 5.4是否匹配，版本不兼容是导致内存访问错误的常见原因。
• 简化测试用例：尝试直接在GPU创建张量（r = torch.rand(16, device=device)），而非先在CPU创建再转移；测试简单张量运算（如print(r + 1)），观察是否同样触发崩溃。
• 分析核心转储：使用coredumpctl info命令查看崩溃核心转储，定位崩溃发生的具体模块（PyTorch HIP后端或ROCm运行时库），这是提交Bug的关键信息。
• 调整环境变量：尝试设置HIP_VISIBLE_DEVICES=0强制指定显卡，或PYTORCH_HIP_ALLOC_CONF=garbage_collection_threshold:0.6,max_split_size_mb:128调整内存分配策略，看是否能绕过崩溃。
• 对比官方环境：若条件允许，使用ROCm官方Docker容器（如rocm/pytorch:5.4）运行测试代码，排查是发行版包的问题还是系统环境配置问题。

提交Bug报告前的准备 #

若排查确认是发行版包的问题，整理以下信息提交给维护者：

• 系统内核版本（uname -r输出）
• ROCm相关包版本（pacman -Qs rocm输出）
• PyTorch版本（python -c "import torch; print(torch.__version__)"输出）
• 核心转储的关键片段
• 已完成的排查步骤及结果

内容的提问来源于stack exchange，提问作者Moshiur Rahman