在非NVIDIA显卡上免费运行CUDA应用ZLUDA完整配置指南【免费下载链接】ZLUDACUDA on non-NVIDIA GPUs项目地址: https://gitcode.com/GitHub_Trending/zl/ZLUDA你手头有一张非NVIDIA显卡比如AMD或Intel但想运行的程序却只认CUDA官方驱动又给不了你这份支持。ZLUDA 就是为这个痛点准备的它是一个 CUDA 的平替驱动层让你无需修改代码就能在非NVIDIA GPU 上以接近原生的性能运行现成的 CUDA 应用而且完全免费。ZLUDA 是什么、能做什么简单说ZLUDA 会伪装成nvcuda.dllWindows或libcuda.soLinux出现在你的程序面前。你的 CUDA 应用以为自己在和 NVIDIA 驱动打交道实际算力却落在了非NVIDIA GPU 上。它还顺带把 cuBLAS、cuDNN、cuFFT 这些性能库都做了对应实现。不过要先认清硬件支持现状避免装完发现不兼容详见 docs/src/faq.mdAMD GPU目前的主力支持 Radeon RX 5000 系列及更新的产品桌面核显均可。更老的 Polaris、Vega 和服务器级 GPU 不在支持范围Intel GPU早期版本曾支持当前版本暂不支持团队专注 AMD 后端NVIDIA GPU基本不会支持——有N卡的人本来就能直接用真CUDAmacOS基本不会支持所以本文的配置流程以Windows AMD GPU为主线Linux 用户我在后文给出对等命令。环境要求动手前确认这三件事一张 RX 5000 系列或更新的 AMD GPU并装好最新的 AMD 显卡驱动Adrenalin EditionWindows 系统Linux 也可行步骤见后文一套 HIP SDK——这是 ZLUDA 真正干活的后端下一步单独讲怎么选⚠️ 注意ZLUDA 处于快速开发期官方自己承认大概率还不能运行你手头那个应用但鼓励你尝试并反馈结果。把它当成能跑最好跑不了也算帮我测试了的心态。HIP SDK 怎么选先给结论再看两条路线推荐结论如果你的目标是跑机器学习框架PyTorch、TensorFlow直接选 Nightly 构建版如果只是普通 CUDA 程序、更在意稳定选官方安装版。对比项官方 HIP SDKNightly 构建版安装方式图形化安装器自动手动解压 配环境变量稳定性AMD 官方支持稳定每日构建无稳定性保证代码新旧较旧较新机器学习支持❌ PyTorch/TensorFlow 跑不了✅ 可支持两条路线的安装步骤官方版访问 AMD HIP SDK for Windows 下载页下载与你系统匹配的最新版本跑安装程序一路下一步即可。Nightly 版稍繁琐但多数场景需要它确定你的 GPU 架构号。文件名里要带gfxGPUARCH不确定自己的架构号就先去 TechPowerUp 的 GPU 数据库查对应显卡的 Shader ISA例如 Radeon RX 9070 是 1201也可以先随便下载一个压缩包解压后运行里面的hipInfo.exe它显示的 gcnArchName 就是你要的架构号从 ROCm SDK nightly tarballs 页面下载较新的therock-dist-windows-gfxGPUARCH...tar.gz文件用 7-Zip 之类的工具解压到你选定的目录。注意可能要解两次先解.tar.gz再解里面的.tar把环境变量HIP_PATH指向解压后的目录。两个校验点该目录下必须有bin子目录且bin里要有rocblas.dll等一堆.dll文件完整说明可参考 docs/src/hip_sdk.md。获取 ZLUDA优先下载预编译版ZLUDA 迭代很快官方推荐直接拿最新的预发布pre-release版本等某次构建被标记为 stable 后也可以从 Releases 页下载。只有在你需要跟源码开发时才走编译路线git clone --recursive https://gitcode.com/GitHub_Trending/zl/ZLUDA进入目录后先装好依赖Git、CMake、Python 3、较新版本的 Rust 编译器、C 编译器Linux 额外需要 ROCm HIP推荐装 Ninja然后执行这步比较耗时cargo xtask --release编译产物在target\releaseLinux 为target/release。构建细节见 docs/src/building.md。启动你的第一个 CUDA 应用装好 HIP SDK 和 ZLUDA 后Windows 下最推荐的方式是用启动器把目标程序包起来跑ZLUDA目录\zluda.exe -- 你的应用 应用参数这是让 ZLUDA 在程序加载 CUDA 之前先接管。另一种方式是就地替换把 ZLUDA 目录里的全部文件含nvcuda.dll拷到应用加载 CUDA 的路径下通常就是.exe所在的目录。两种方式各取所需前一种干净不污染原目录。Linux 下对等做法是LD_LIBRARY_PATHZLUDA目录:$LD_LIBRARY_PATH 你的应用 应用参数其中ZLUDA目录指 ZLUDA 自带的libcuda.so所在目录预编译包是zluda源码构建是target/release。也可以用LD_AUDIT指向zluda_ld的替代方案见 docs/src/quick_start.md。验证安装一条命令体检所有性能库这一步值得做因为它能一次确认驱动层和 cuBLAS/cuDNN/cuFFT 等性能库是否全部就位。ZLUDA 自带一个小测试程序cuda_check.exezluda.exe -- cuda_check.exe全部正常的输出长这样nvcuda : OK (C:\hip_sdk\bin\amdhip64_7.dll) nvml : OK cufft11 : OK cudnn9 : OK (C:\hip_sdk\bin\MIOpen.dll) cudnn8 : OK (C:\hip_sdk\bin\MIOpen.dll) cublaslt13: OK (C:\hip_sdk\bin\libhipblaslt.dll) cusparse12: OK cufft12 : OK cublas13 : OK (C:\hip_sdk\bin\rocblas.dll) cublaslt12: OK (C:\hip_sdk\bin\libhipblaslt.dll) cublas12 : OK (C:\hip_sdk\bin\rocblas.dll) cusparse11: OK括号里是 ZLUDA 实际对应的底层 HIP 库路径。有 OK 就说明该层已通某一行报错或整行缺失就回到上一节检查HIP_PATH和 HIP SDK 解压是否完整。常见坑与排查cuda_check 显示 OK 但路径没被使用括号里的路径只表示ZLUDA 能加载哪个库不保证一定用它。如果你的应用在加载 ZLUDA 之前已经从别的路径加载了同名库ZLUDA 会沿用已加载的那个。测试程序偶尔挂住不退已知问题是 MIOpen 内部的一个 bug 导致cuda_check.exe有时挂起不关闭强退即可不影响正式使用。cudnn8/cudnn9 加载失败如果你用的是官方 HIP SDK这是预期现象——官方 SDK 不带 MIOpen换 Nightly 版即可。应用报错了找不到原因用 ZLUDA 的调用追踪来定位。Windows 下加一个参数zluda.exe --zluda-trace -- 你的应用 应用参数它会记录应用每一次 CUDA 调用的参数和返回码日志目录在%TEMP%\zluda。排查文档还讲了怎么读日志、怎么看 PTX 编译错误module_NNNN_NN.log见 docs/src/troubleshooting.md。大应用首次启动很慢GPU 代码首次运行要现场编译。可以提前用预编译工具把整包代码扫一遍、编译进缓存zluda_precompile.exe 目录或文件路径它会把机器所有线程拉满来编译通常比留给应用自己做更快详见 docs/src/precompiling.md。两个典型场景本地大模型与 32 位物理引擎游戏llama.cpp本地大模型用 CUDA 86 架构并强制启用 cuBLAS 编译即可接近原生速度cmake -B build -DGGML_CUDAON -DCMAKE_CUDA_ARCHITECTURES86 -DGGML_CUDA_FORCE_CUBLAStrue多架构编译没问题只要其中包含 80、86 或 89 之一但关闭 cuBLAS 会掉性能。Windows 上记得先装好 HIP SDK 才有 rocBLAS 可用详见 docs/src/llama_cpp.md。Steam 上的 32 位 PhysX 游戏ZLUDA 提供针对 PhysX 的 32 位 CUDA 实现。在游戏的 Steam 属性 → 启动选项里填入ZLUDA路径\32\zluda.exe -- %command%也有直接命令行调用32\zluda.exe的替代方式以及一个不推荐的系统级安装兜底方案。已验证可玩的游戏包括 Mirrors Edge、Alice: Madness Returns、Mafia II (Classic)多数游戏应该能跑。已知问题PhysX 重新初始化可能失败游戏内改动物理设置可能崩溃或卡死细节见 docs/src/physx32.md。游戏跑不起来时同样可以加--zluda-trace收一份追踪日志在 Steam 启动选项里对应的写法如下下一步建议先跑cuda_check.exe把基础层验通再碰真实应用——报错时能少猜一半应用不工作时第一时间开--zluda-trace收日志别干看错误弹窗关注项目动态PyTorch 支持是当前最高优先级官方预期 2025 年第四季度出初步支持TensorFlow 紧随其后项目每季度会在官方博客发进展报告完整文档目录在 docs/从 quick_start 开始按图索骥即可【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