type: note
created: 2026-07-26
tags: [fnOS, ROCm, Vega8, GPU加速, 人脸识别, 指南]
author: Hermes Agent + Ashkael
⚠️ 适用环境：fnOS（1.2.0203） + ROCm 7.2 + Vega 8（gfx90c）/ R7 5825U
其他 AMD APU（gfx90c 架构如 R5 5600G、R7 5700G 等）理论上也可用。
ROCm 7.2 + Vega 8 GPU 加速 —— fnOS 飞牛 NAS 人脸识别终极指南
背景
飞牛 NAS 的相册人脸识别功能支持 AMD GPU 加速（通过 ROCm + MIGraphX）。但在搭载 Vega 8（gfx90c） 集显的平台上（如 AMD R7 5825U），即使安装了 ROCm 7.2 和 AI 引擎应用，人脸识别仍然落到 CPU 上跑。
原因：ROCm 7.2 的 rocBLAS 矩阵库不包含 gfx90c（Vega 架构）的内核文件。
Vega 架构在 ROCm 6.x 后已被官方放弃，仅支持 gfx1030+（RDNA2+）、gfx90a（CDNA）、gfx908+ 等较新架构。
先决条件
开始操作前，请确保你的 NAS 已经安装好以下软件：
ROCm 7.2
在 fnOS 应用中心搜索 "ROCm" 并安装。
验证命令：
dpkg -l | grep rocm
飞牛 AI 引擎（MIGraphX）
在 fnOS 应用中心搜索 "AI" 并安装。
验证命令：
ls /var/apps/trim.ai-runtime-amd-migraphx/
p7zip（解压工具）
SSH 安装：
which 7z || sudo apt-get install -y p7zip-full
⚠️ 必须通过 fnOS 应用中心 安装 ROCm 和 AI 引擎，而不是手动下载 deb 包。
应用中心安装的版本保证与 fnOS 系统兼容。安装完成后重启一次 NAS 确保驱动加载。
如果以上都齐了，继续往下看。
排查路径（给喜欢深究的人看）
1. 发现 GPU 没被用上
检查 ai_manager 日志的服务启动命令：
sudo journalctl -u ai_manager.service --no-pager
看到 face_det 和 img2vec 虽然带了 --model_format MIGRAPHX --device GPU 参数，但 GPU 始终 0% 利用率：
sudo /opt/rocm/bin/rocm-smi --showuse
# → GPU use (%): 0
2. 定位 rocBLAS 报错
用 ONNX Runtime 检查 MIGraphX 是否可用。
⚠️ 路径说明：以下命令中的 /var/apps/trim.ai-runtime-amd-migraphx/... 是 fnOS 应用中心安装 AI 引擎后的 Python 环境路径。
如果你的路径不一样，先运行 sudo find / -name "python3" -path "*migraphx*" 2>/dev/null 找到正确的 Python 解释器。
或者在系统 Python 下安装 python3 -m pip install onnxruntime-rocm --break-system-packages 后直接测试。
# 方法一：通过 ai_manager 的 Python 环境（fnOS 应用中心安装）
sudo /var/apps/trim.ai-runtime-amd-migraphx/meta/penv/310_general/bin/python3 -c "
import onnxruntime as ort
print(ort.get_available_providers())
"
# 方法二：如果找不到上面的路径，先搜索
sudo find /var/apps -name "python3" -path "*migraphx*" 2>/dev/null
# 方法三：手动安装 onnxruntime-rocm 到系统 Python
# python3 -m pip install onnxruntime-rocm --break-system-packages
# python3 -c "import onnxruntime as ort; print(ort.get_available_providers())"
→ ['CPUExecutionProvider'] ← MIGraphXExecutionProvider 缺失
检查 rocBLAS 日志（stderr）可看到真正的错误：
rocBLAS error: Cannot read TensileLibrary.dat for GPU arch: gfx90c
用 `rocminfo` 确认 GPU 被系统识别：
`bash
sudo /opt/rocm/bin/rocminfo | grep -A 30 "Agent 2"
# → Name: gfx90c ← 系统能识别的
3. 分析 rocBLAS 库结构
检查已安装的内核文件：
ls /opt/rocm/lib/rocblas/library/ | grep -E "(Kernels.so|TensileLibrary_lazy)"
ROCm 7.2 只带了这些架构的内核：gfx1030, gfx1100, gfx1101, gfx1102, gfx1150, gfx1151, gfx1200, gfx1201, gfx908, gfx90a, gfx942, gfx950 —— 唯独没有 gfx90c。
4. 寻找社区补丁
GitHub 上有一个项目专门为被 ROCm 抛弃的老架构提供补丁内核：
🔗 likelovewant/ROCmLibs-for-gfx1103-AMD780M-APU
https://github.com/likelovewant/ROCmLibs-for-gfx1103-AMD780M-APU
该项目在 v0.5.7 和 v0.6.2.4 版本中提供了 gfx90c 的 TensileLibrary 文件。
5. 格式兼容性分析
- ROCm 7.2 使用懒加载格式：
Kernels.so-000-gfxXXX.hsaco + TensileLibrary_lazy_gfxXXX.dat
- 社区补丁 v0.5.7 包里意外包含了两套格式：
library/ — 旧格式（单个 .co + .hsaco）2/library/ — 懒加载格式（含 Kernels.so-000-gfx90c.hsaco + TensileLibrary_lazy_gfx90c.dat）
6. 验证补丁生效
补丁部署后验证：
⚠️ 如果 python3 路径报错，先运行 sudo find /var/apps -name "python3" -path "*migraphx*" 2>/dev/null 查找正确路径。
# 检查 MIGraphX 是否可用（路径以实际为准）
sudo <你的AI引擎Python路径>/bin/python3 -c "
import onnxruntime as ort
print(ort.get_available_providers())
"
# → ['MIGraphXExecutionProvider', 'CPUExecutionProvider'] ✅
# 重启 AI 服务
sudo systemctl restart ai_manager.service
# 触发人脸识别后查看 GPU 利用率
sudo /opt/rocm/bin/rocm-smi --showuse
# → GPU use (%): 99 ✅
**式安装步骤
以下操作通过 SSH 登录到你的飞牛 NAS 执行。
只需要复制粘贴，一行一行来。
第一步：确认硬件和 ROCm
# 确认 CPU/GPU 型号
cat /proc/cpuinfo | grep "model name" | head -1
# 确认 ROCm 已安装
dpkg -l | grep rocm
# 确认 GPU 是 gfx90c 架构
sudo /opt/rocm/bin/rocminfo | grep -E "(Name:|gfx)"
如果你看到 gfx90c，恭喜 —— 这篇文章适合你。
第二步：备份原始的 rocBLAS 库
sudo cp -a /opt/rocm/lib/rocblas/library /opt/rocm/lib/rocblas/library.backup
第三步：下载社区补丁
# 下载 v0.5.7 的补丁包（约 8MB）
curl -sL --max-time 300 -o /tmp/rocblas.gfx90c.5.7.7z \
'https://github.com/likelovewant/ROCmLibs-for-gfx1103-AMD780M-APU/releases/download/v0.5.7/rocblas.for.gfx90c.workable.7z'
第四步：解压补丁包
# 安装解压工具（如果没装的话）
which 7z || sudo apt-get install -y p7zip-full
# 解压
cd /tmp
7z x rocblas.gfx90c.5.7.7z -orocblas_patch -y
第五步：部署 gfx90c 内核文件
关键一步 —— 把懒加载格式的内核文件复制到 rocBLAS 库目录：
cd /tmp/rocblas_patch/2/library
# 复制懒加载格式文件（核心！）
sudo cp -v Kernels.so-000-gfx90c.hsaco /opt/rocm/lib/rocblas/library/
sudo cp -v TensileLibrary_lazy_gfx90c.dat /opt/rocm/lib/rocblas/library/
# 复制个体内核文件（fallback 兼容）
sudo cp -v *_gfx90c.* /opt/rocm/lib/rocblas/library/
第六步：验证补丁生效
⚠️ 路径说明：下面命令中的 Python 路径是 fnOS 应用中心安装 AI 引擎后的默认路径。
如果你的 NAS 上没有这个路径，先运行：
sudo find /var/apps -name "python3" -path "*migraphx*" 2>/dev/null
找到后替换命令中的路径即可。
# 检查 MIGraphX 是否可用
sudo /var/apps/trim.ai-runtime-amd-migraphx/meta/penv/310_general/bin/python3 -c "
import onnxruntime as ort
providers = ort.get_available_providers()
print('可用 Provider:', providers)
if 'MIGraphXExecutionProvider' in providers:
print('✅ GPU 加速已就绪！')
else:
print('❌ GPU 加速未生效，请检查补丁文件')
"
如果输出包含 MIGraphXExecutionProvider，说明补丁生效了！
第七步：重启 AI 服务并触发人脸识别
# 重启 ai_manager
sudo systemctl restart ai_manager.service
# 确认服务正常
systemctl is-active ai_manager.service
# 检查 GPU 状态
sudo /opt/rocm/bin/rocm-smi --showuse --showtemp
现在在飞牛 NAS 的相册 App 里触发「重新识别人物」，然后观察 GPU 利用率：
# 等几秒后检查 GPU 是否在跑
sudo /opt/rocm/bin/rocm-smi --showuse
如果看到 GPU use (%): 90+，恭喜你成功了！🎉
第八步（可选）：恢复备份
如果出了问题，随时恢复：
sudo rm -rf /opt/rocm/lib/rocblas/library
sudo mv /opt/rocm/lib/rocblas/library.backup /opt/rocm/lib/rocblas/library
sudo systemctl restart ai_manager.service
确认 GPU 是否真的在工作
补丁部署后，可以通过以下方式确认 GPU 加速生效，或者简单点：直接去运行人脸识别。
rocBLAS 认 gfx90c
sudo /opt/rocm/bin/rocminfo
# 成功标志：显示 Agent 2: gfx90c
MIGraphX 可用
sudo <你的AI引擎Python路径>/bin/python3 -c "import onnxruntime as ort; print(ort.get_available_providers())"
# 成功标志：包含 MIGraphXExecutionProvider
GPU 利用率
sudo /opt/rocm/bin/rocm-smi --showuse
# 成功标志：GPU use (%): 90+
GPU 温度
sudo /opt/rocm/bin/rocm-smi --showtemp
# 成功标志：温度上升（55°C+）
运行进程
ps aux | grep -E "(face_det|img2vec)"
# 成功标志：进程活跃，CPU% 正常
常见问题
Q: 补丁文件被覆盖了怎么办？
roscBLAS 库可能被 ROCm 升级覆盖。备份保留在 /opt/rocm/lib/rocblas/library.backup，重新复制即可。建议把 gfx90c 内核文件备份到持久存储位置（如你的 NAS 存储池 /vol1/1000/ 或 /volume1/ 等）。
Q: 首次人脸识别很慢？
正常。 MIGraphX 首次运行 ONNX 模型时需要编译 GPU 内核并写入缓存，后续就会快很多。编译期间 GPU 和 CPU 都会高负载。
Q: 我的 AMD GPU 不是 gfx90c 怎么办？
运行 sudo /opt/rocm/bin/rocminfo | grep gfx 查看你的 GPU 架构。如果是 gfx1030+（RDNA2+）或 gfx90a+（CDNA），ROCm 7.2 原生支持，不需要补丁。
如果是 gfx900/gfx902/gfx906 等更老的 GCN 架构，可以尝试这个仓库里对应架构的补丁包。
Q: 除了飞牛，其他系统能用吗？
这个方法理论上适用于任意 Debian/Ubuntu 系统 + ROCm 7.2 + gfx90c 显卡。核心操作就是往 rocBLAS 库目录丢 gfx90c 内核文件。
参考链接
致谢
感谢 likelovewant 的社区补丁项目，让被官方抛弃的 Vega 架构能继续用上 GPU 加速。
写在最后
以上文字都是hermes自己生成的，我粗略看过，没什么毛病。
搞定这个ai相册识别走gpu的时候心情还是挺复杂。因为喜欢折腾docker，几天前刚买了天钡WTR pro，替换了原来的绿联dh4300 plus，结果把相册应用下载使用后注意到cpu占用有点过高了，排查才发现是因为gpu它压根没启动，官方商店的两个ai驱动套件安装以后不起作用，当时心想不会吧不会吧，原来的4300都可以用的基本功能，竟然amd支持的这么差，心情跌到谷底。
于是四处搜解决方案，发现很多和我一样用这颗5825u的朋友，也都有相同的问题，那没辙了，只能等官方更新了呗，就在浏览最后一篇文章的时候，瞥见一位朋友的留言说官方的rocm文件少了动态链接库，便记在了心里。
昨天开始折腾hermes，发现现在的ai真的是天天都在进化，也能帮助你解决很多问题：比如安装docker应用以前还要折腾命令，进终端，写compose文件，如今直接贴个文档链接、告诉他挂载目录就可以让他去帮你部署了，而且除了问题还可以让他帮你排查，直接起飞。
今天朋友聊起ai相册识别的时候我又想起了缺个动态链接库的事，然后我就把这个事告诉了hermes，起初它也是信誓旦旦的告诉我5825u应该是不支持这个ai识别走gpu了，后面我开着人脸识别、顶着高cpu占用让hermes去找具体是什么问题导致的识别不走gpu，然后它告诉了我结果，少了一个文件，果然是这样！接着我就让他去全网搜关于5825u和rocm关联的解决方案，漫长搜索后终于找到了一个社区补丁。
于是便有了这个分享，希望可以帮助到amd 5825u的朋友，其他的cpu我没验证过，不过都2026年了，大家可以借助ai去验证一下。
