一文搞明白 hipBLAS：ROCm 里的 BLAS 加速核心
在 GPU 计算世界里，只要你碰到“矩阵乘法、向量加法、Transformer、CNN”，几乎都绕不开一个关键词：BLAS（Basic Linear Algebra Subprograms）。
在 NVIDIA CUDA 生态里是cuBLAS，而在 AMD ROCm 生态里，对应的就是本文主角：
🚀hipBLAS：AMD GPU 上的高性能 BLAS 实现
1. hipBLAS 是什么？
hipBLAS = AMD GPU 上的 BLAS 加速库（类似 cuBLAS）
它提供：
- 向量运算（Level 1 BLAS）
- 矩阵-向量（Level 2 BLAS）
- 矩阵-矩阵（Level 3 BLAS）
核心目标：
用 GPU 的并行能力，加速线性代数计算
🌰 典型函数
| 类别 | 函数 | 作用 |
|---|---|---|
| Level 1 | hipblasSaxpy | y = a*x + y |
| Level 1 | hipblasSdot | 向量点积 |
| Level 3 | hipblasSgemm | 矩阵乘法（最重要） |
2. hipBLAS 在 ROCm 体系中的位置
ROCm 软件栈大致是：
PyTorch / TensorFlow / vLLM ↓ ATen / Inductor ↓ HIP runtime (类似 CUDA runtime) ↓ hipBLAS / hipFFT / rocBLAS / rocPRIM ↓ GPU关键点：
hipBLAS 本质上是 BLAS API + HIP backend 封装
3. hipBLAS vs cuBLAS
| 特性 | cuBLAS | hipBLAS |
|---|---|---|
| 厂商 | NVIDIA | AMD |
| API风格 | CUDA | HIP |
| 功能 | BLAS | BLAS |
| 对应关系 | CUDA ecosystem | ROCm ecosystem |
👉 可以理解为：
hipBLAS = cuBLAS 的 AMD 对应实现
4. hipBLAS 最重要的函数：GEMM
💡 GEMM 是什么？
C = αAB + βC这是：
深度学习里最核心的计算：矩阵乘法
🌰 PyTorch 背后的真实调用
例如：
importtorch a=torch.randn(1024,4096,device="cuda")b=torch.randn(4096,4096,device="cuda")c=a @ b在 ROCm 下执行流程：
torch.matmul ↓ ATen operator ↓ HIP kernel dispatch ↓ hipBLAS::hipblasGemmEx ↓ GPU kernel（wavefront并行）5. 一个 hipBLAS C++ 示例（最经典）
#include<hipblas.h>intmain(){hipblasHandle_t handle;hipblasCreate(&handle);float*A,*B,*C;// C = A * BhipblasSgemm(handle,HIPBLAS_OP_N,HIPBLAS_OP_N,1024,1024,1024,&alpha,A,1024,B,1024,&beta,C,1024);hipblasDestroy(handle);}6. hipBLAS 在 AI / LLM 中的作用（非常关键）
你可以把 hipBLAS 理解为：
🔥 LLM 推理/训练的“发动机之一”
在 Transformer 中：
| 模块 | 是否依赖 BLAS |
|---|---|
| QKV projection | ✔ GEMM |
| FFN（MLP） | ✔ GEMM |
| Attention score | ✔ GEMM |
| Softmax | ❌（非BLAS） |
👉 结论：
Transformer 80% 计算都靠 GEMM（hipBLAS）
7. 为什么你在 profiling 里会看到 hipBLAS？
你之前用 rocprofv2 看到：
KernelExecution hipblas / gemm kernel原因：
- PyTorch 调用 matmul
- 自动 fallback 到 hipBLAS
- rocprofiler hook 到 kernel launch
所以你看到的“kernel trace”本质是：
hipBLAS dispatch 的 GPU kernel
8. hipBLAS vs rocBLAS（容易混淆）
很多人会问：
hipBLAS 和 rocBLAS 是什么关系？
答案：
| 库 | 角色 |
|---|---|
| rocBLAS | 底层高性能实现 |
| hipBLAS | HIP API wrapper（更兼容 CUDA风格） |
👉 可以理解为：
hipBLAS = API 层
rocBLAS = 真正干活的底层实现
9. 性能优化关键点
hipBLAS 性能主要受：
1️⃣ Tile 分块策略
GPU wavefront 并行执行 GEMM
2️⃣ Memory coalescing
连续访问 global memory
3️⃣ Tensor Core / Matrix Core（部分 GPU）
4️⃣ 数据布局
- row-major vs column-major
- stride
10. 常见问题（工程坑）
❌ 1. 找不到 libhipblas.so
/usr/bin/ld: cannot find -lhipblas解决：
exportLD_LIBRARY_PATH=/opt/dtk/hipblas/lib:$LD_LIBRARY_PATH❌ 2. 性能不如预期
可能原因：
- 未使用 GEMM kernel
- dtype 不匹配（fp32 vs fp16）
- layout 不对（stride问题）
11. 总结一句话
hipBLAS 是 ROCm 生态中负责高性能线性代数计算的核心库，是 PyTorch / vLLM / Transformer 计算性能的底层关键组件。