没有 N 卡也能跑 CUDAZLUDA 在 Intel / AMD 显卡上运行的完整指南【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 兼容层能让未经修改的 CUDA 应用程序直接在 Intel 或 AMD 显卡上运行无需重新编译也不需要 N 卡。它当前覆盖 CUDA 8.8 的计算能力支持 Windows 和 Linux 两个平台适合手头只有 A 卡或 Intel Arc 显卡、但仍想运行 PyTorch、TensorFlow 等 CUDA 程序的人。先确认你的显卡能不能用动手安装之前先查一下自己的显卡架构。ZLUDA 支持的范围如下显卡架构支持情况AMD RX 5000 系列RDNA支持桌面与核显AMD RX 6000 系列RDNA2支持桌面与笔记本AMD RX 7000 系列RDNA3支持Intel Arc A380 / A750 / A770 等Intel Arc支持详见下文说明AMD RX 400 / RX 500 系列Polaris不支持AMD Vega 系列Vega不支持服务器级专业计算卡—不支持Polaris、Vega 这类老架构与近年的桌面显卡差距较大短期内不在支持计划内。Intel 显卡此前有可用后端官方文档目前的状态是暂不维护、可能恢复如果你用的是 Intel Arc建议先翻一遍 docs/ 里的 FAQ 再决定。系统与驱动版本的最低要求可以参考这张表平台最低驱动/运行时推荐版本覆盖范围Windows 10 / 11Adrenalin Edition 23.10.1另需 HIP SDKAdrenalin 24.3.1CUDA 8.8 基础功能Ubuntu 22.04ROCm 5.4.3ROCm 6.0.0CUDA 8.8 完整计算能力CentOS 8ROCm 5.6.0ROCm 5.7.1同左Windows 上把文件放对位置整个过程分三步装驱动和 HIP SDK、摆放 ZLUDA 文件、选择启动方式。第 1 步准备驱动。AMD 显卡安装 Adrenalin Edition 23.10.1 或更新版本Intel Arc 使用 Intel 官方最新驱动。此外无论哪家显卡Windows 上还需要 HIP SDK官方版本装起来简单但代码较旧需要 ML 功能PyTorch、TensorFlow时建议装带 ML 支持的版本具体取舍见 hip_sdk.md。第 2 步放置文件。把 ZLUDA 的nvcuda.dll和zluda_ld.dll复制到你的应用程序能加载 CUDA 库的路径下通常就是.exe所在的目录。如果用的是zluda_with.exe之类的启动器也可以把它们放在 ZLUDA 目录里统一管理。第 3 步启动应用。推荐方式是用 ZLUDA 自带的启动器包一层zluda.exe -- 你的程序.exe 程序参数如果你的程序来自 Steam可以在游戏属性的启动选项里填同样的内容让每次启动都走 ZLUDALinux 下配置 ROCm 和库路径Linux 侧的依赖是 ROCm 而非 HIP SDK步骤同样不多第 1 步装 ROCm 运行时。以 Ubuntu 为例一条命令安装开发库与运行时sudo apt install rocm-dev rocm-libs hip-runtime-amd第 2 步设置库路径。把 ZLUDA 所在目录内含它提供的libcuda.so加进LD_LIBRARY_PATH让动态链接器优先找到 ZLUDA 的库export LD_LIBRARY_PATH/path/to/zluda:$LD_LIBRARY_PATH也可以改用LD_AUDIT指向 ZLUDA 目录下的zluda_ld效果类似官方文档两种都给了说明。第 3 步直接运行。路径配置好之后用平时的方式启动你的 CUDA 程序即可不需要额外参数。跑通之后怎么确认装好了最直接的验证方式是用 ZLUDA 自带的cuda_check小工具它会依次加载并初始化各性能库输出逐行的 OK 状态zluda.exe -- cuda_check.exe看到 cuBLAS、cuDNN、cuFFT 等条目全部显示 OK就说明兼容层工作正常。平时运行程序时日志里出现带[ZLUDA]标识的行也说明应用确实走到了 ZLUDA。遇到问题时先对照下面这张表自查现象可能原因处理办法提示驱动版本不足driver version is insufficientGPU 驱动或 HIP SDK 版本过低升级到推荐版本后重启系统提示 libcuda.so not foundZLUDA 目录不在库搜索路径里重新配置LD_LIBRARY_PATH确认 ZLUDA 目录名无误程序找不到 GPU 或设备识别异常显卡架构不在支持列表内用lspci | grep VGA确认显卡型号对照上文支持列表首次启动明显变慢PTX 内核在首次运行时实时编译参见 precompiling.md 做预编译应用中途失败、不知卡在哪一步兼容层某次调用未覆盖按 troubleshooting.md 开启 zluda_trace 抓日志定位原理一句话版ZLUDA 的工作方式是顶替应用照常加载libcuda.so/nvcuda.dll但拿到的是 ZLUDA 提供的同名库所有 CUDA 调用都在这一层被拦截程序里的 PTX 内核代码由 ZLUDA 自己的编译器转译成目标 GPU 可执行的指令cuBLAS、cuDNN 这类性能库则被映射到 HIP/ROCm 的对应实现上。对应用来说这一切是透明的所以程序本身一行都不用改。相关资源官方文档docs/快速上手、HIP SDK 安装、FAQ 都在里面核心实现源码zluda/src/PTX 翻译层的测试用例ptx/test/兼容层入口与驱动模拟实现zluda/src/impl/代码与文档迭代很快建议关注仓库的最新版本而不是某个固定 tag。跑通cuda_check并确认全部 OK 之后再把你实际要用的程序跑一遍重点观察日志里是否有[ZLUDA]错误条目——这一步能尽早暴露兼容性问题。【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