ZLUDA 完整指南快速让 AMD 显卡运行 CUDA 应用【免费下载链接】ZLUDACUDA on non-NVIDIA GPUs项目地址: https://gitcode.com/GitHub_Trending/zl/ZLUDAZLUDA 是一个 CUDA 兼容层让未经修改的 CUDA 应用直接跑在 AMD 显卡上它提供一套 CUDA 驱动替身拦截驱动调用把 GPU 代码翻译后交给 AMD 的 HIP 运行时执行。适合拥有 RX 5000 系列或更新显卡、却需要运行 CUDA 程序的开发者和 AI 从业者。谁用得上ZLUDA 适用人群拥有 AMD Radeon RX 5000 及更新显卡的用户需要跑 CUDA 程序但没有 NVIDIA 显卡的人想在本地推理大模型的开发者Windows 或 Linux 桌面用户⚠️ 暂不支持 Intel 显卡与 macOSZLUDA 快速安装从克隆到跑通验证ZLUDA 更新很快官方建议优先下载最新的预编译包获取方式见 快速开始文档。如果你要自己构建先装好依赖Git、CMake、Python 3、Rust 工具链、C 编译器Linux 还需要 HIP 环境Windows 则要求先装好 AMD 显卡驱动和 HIP SDK。然后克隆仓库并构建git clone --recursive https://gitcode.com/GitHub_Trending/zl/ZLUDA cargo xtask --release构建完成后用一条命令验证环境是否就绪——ZLUDA 自带cuda_check测试程序它会依次加载 cuBLAS、cuDNN、cuFFT、cuSPARSE、NVML 等全部性能库zluda.exe -- cuda_check.exe全部输出OK即代表环境可用。Linux 用户把LD_LIBRARY_PATH指向构建产物目录target/release含 ZLUDA 提供的libcuda.so后再启动你的程序即可。注意cuda_check偶尔会因 MIOpen 的已知 bug 卡住不退出重启一次进程通常就能解决。它能做什么三个真实落地场景场景一本地推理大模型。llama.cpp 是官方明确支持的应用用 CUDA 架构 86 并启用 cuBLAS 编译后官方文档称其可以跑到接近原生的速度。关键操作只有一步编译时把架构设为 86、打开 cuBLAS 开关。确认成功的标准推理任务正常出结果速度与你预期的 GPU 算力匹配而不是掉到 CPU 水平。场景二Windows 上启动游戏等 CUDA 应用。对 Steam 这类带启动选项的客户端把 ZLUDA 启动器加到启动参数最前面例如写成zluda.exe -- %command%游戏就会经由 ZLUDA 加载 CUDA 驱动无需 NVIDIA 硬件。官方文档中 32 位 PhysX 专题页 展示了这类用法的更多细节。确认成功游戏正常进入、物理和渲染流程不再提示缺少 NVIDIA 驱动。场景三定位兼容性问题。当某个程序跑不起来时不要盲猜——ZLUDA 自带zluda_trace追踪工具它会记录应用发出的每一条 CUDA 调用及其返回值。Windows 下只需在启动参数里加--zluda-trace日志会写入临时目录下的zluda文件夹。确认成功日志目录里生成log.txt并保存了应用使用的 PTX/SASS 模块文件出问题时可以把这些日志打包提交给项目方。工作原理速览CUDA 调用如何落到 AMD 显卡ZLUDA 的核心是一套 CUDA 驱动替身libcuda.so/nvcuda.dll。程序照常调用 CUDA 接口ZLUDA 截获这些调用GPU 代码以 PTXNVIDIA 的可移植中间汇编形式交给内置的 PTX 编译器转译后提交给 AMD 的 HIP 运行时执行cuBLAS、cuDNN、cuFFT 等性能库则被重定向到 rocBLAS、MIOpen 等 AMD 对应实现。整个过程应用无需改动一行代码。性能与代价实话实说性能官方文档对 llama.cpp架构 86 cuBLAS的描述是native speed原生速度整体目标是接近原生性能但项目仍处于快速开发期实际表现因应用而异。硬件边界仅支持 AMD Radeon RX 5000 系列及更新桌面与集成显卡Polaris、Vega 等老卡和服务器 GPU 明确不支持。平台边界Windows 与 LinuxmacOS 不在计划内Intel 显卡支持曾有过目前已暂停未来可能恢复。软件边界PyTorch 是当前最高优先级官方预计 2025 年第四季度给出初步支持TensorFlow 排在其后OptiX 硬件光线追踪几乎不会支持DLSS、Blender 均不在路线图上。官方免责声明当前版本under heavy development处于高强度开发中很可能还跑不动你的应用——社区鼓励大家试了之后把结果反馈回去。常见坑与处理办法程序报未知 PTX 指令→ 编译器尚未支持该指令 → 用zluda_trace跑一遍把日志提交给项目方cuda_check 加载不了 cudnn8/9→ 官方 HIP SDK 不含 MIOpen → 换用含 ML 支持的 nightly HIP SDK大应用首次启动极慢→ GPU 代码在运行时即时编译 → 用zluda_precompile提前编译进缓存PyTorch 提示 CUDA 不可用→ PyTorch 支持尚未完成 → 先使用 llama.cpp 等已支持的应用cuda_check 卡死不退→ MIOpen 已知 bug → 重启进程文档、源码与社区 官方文档入口docs/其中 快速开始、FAQ、源码构建、预编译加速 最常用核心源码zluda/src/驱动实现、ptx/PTX 编译器、cuda_check/环境验证、zluda_trace/调用追踪测试用例ptx/test/ 下有大量 PTX 测试文件可了解编译器覆盖面社区渠道项目团队维护 Discord 社区并在官方博客按季度发布进度报告两个入口见仓库 README 顶部徽章下一步从cuda_check开始先确认你的显卡和 HIP SDK 组合下哪些性能库已经就绪再挑一个已支持的应用跑起来。ZLUDA 迭代很快早期尝试并反馈结果正是这个项目最需要的帮助。【免费下载链接】ZLUDACUDA on non-NVIDIA GPUs项目地址: https://gitcode.com/GitHub_Trending/zl/ZLUDA创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考