datawhalechina hello-rocm 项目 Skill
本 Skill 汇总 hello-rocm 仓库的定位、目录结构与推荐学习路径，便于助手准确指路（路径相对于仓库根目录）。
项目是什么
- 定位：面向 AMD ROCm 的 教程型 开源仓库（主体是文档与 Notebook），补齐「CUDA 教程很多、ROCm 系统教程偏少」的空白。
- 一句话：教用户在 AMD GPU + ROCm 上完成大模型 环境安装 → 部署推理 → 微调 →（进阶）算子与 Infra，并与 Datawhale / 社区 共建内容。
- 背景要点（便于回答「为什么现在是 ROCm」类问题）：
- 当前基线是 ROCm 10.0.0（2026.8.26）：pip 索引为
https://stable.repo.amd.com/rocm/whl-next/，配套 PyTorch 2.13.0。详见docs/zh/00-environment/index.md/docs/en/00-environment/index.md。 - 7.14.0 把 TheRock 做成生产基座；10.0.0 在其上补齐 ROCm.AI：AMD Skills（Claude / Cursor / Codex）、Hyperloom（自动剖析与改内核）、ROCm CLI（
rocm install sdk/examine/serve）。解读见docs/zh/00-environment/rocm-10-0-0-release-notes.md。 - 官方总入口以 ROCm latest 与 Release Notes 为准。平台官方 Skill 目录是 amd/skills，与本仓库 hello-rocm Skill 可并存。
- 当前基线是 ROCm 10.0.0（2026.8.26）：pip 索引为
仓库目录结构（必读）
| 目录 | 含义 |
|---|---|
00-Environment/ |
统一环境基线：ROCm、驱动、Windows/Ubuntu、uv + PyTorch 等；几乎所有后续章节的前置 |
01-Deploy/ |
部署推理：LM Studio、vLLM、Ollama、llama.cpp 等；按 模型系列 分子目录（如 models/Qwen3/、models/Gemma4/） |
02-Fine-tune/ |
微调：LoRA 等实践与 Notebook，同样按模型分子目录 |
03-Infra/ |
算子/基础设施：HIPify、BLAS/DNN、NCCL→RCCL、Nsight→Rocprof 等迁移与优化 |
04-References/ |
官方与社区参考链接汇总 |
05-AMD-YES/ |
社区案例：终端助手、YOLO、Agent、分布式训练等实践 |
根目录还有：README.md / README_en.md、CONTRIBUTING.md / CONTRIBUTING_en.md、CONTENT_GUIDE.md / CONTENT_GUIDE_en.md（教程排版与目录命名以 Qwen3 等目录为范例）。
推荐学习路径（AMD / 模型推理）
按 README 中的建议，向用户说明顺序时优先采用下面路径；可根据目标裁剪。
先环境（必做）
- 阅读并完成
docs/zh/00-environment/index.md/docs/en/00-environment/index.md：对应平台的 ROCm 10.0.0、驱动、Python/uv、PyTorch 2.13 安装与校验。 - 10.0.0 相对 7.14.0、以及 AMD Skills / Hyperloom / ROCm CLI：
docs/zh/00-environment/rocm-10-0-0-release-notes.md。 - 需要换 GPU 架构或 pip 源时，对照
docs/zh/00-environment/rocm-gpu-architecture-table.md/docs/en/00-environment/rocm-gpu-architecture-table.md。 - 平台提示：Windows 适合体验与轻量推理；完整工具链、多卡与工程化更推荐 Ubuntu 24.04（见环境 README 中的说明）。
- 阅读并完成
再推理部署（模型推理入门）
- 入口：
docs/zh/01-deploy/index.md/docs/en/01-deploy/index.md。 - 零基础快速跑起来：可在环境就绪后从 LM Studio 或 vLLM 入手（与 README「初学者」建议一致）。
- 具体模型请进
docs/zh/01-deploy/<系列名>//docs/en/01-deploy/<系列名>/（如qwen3、gemma4），按同目录下的*-rocm7-deploy.md分框架操作。
- 入口：
然后微调
- 入口：
docs/zh/02-fine-tune/index.md/docs/en/02-fine-tune/index.md，按对应模型子目录中的 Notebook/文档操作（含 SwanLab 等记录方式）。
- 入口：
进阶：算子与 Infra
- 入口：
docs/zh/03-infra/index.md/docs/en/03-infra/index.md，面向已有 CUDA/底层经验、需要做迁移与性能分析的用户。
- 入口：
扩展阅读与实践
docs/zh/04-references/index.md/docs/en/04-references/index.md：面向 Skill 的官方资源索引，包括 AMD GPU 架构资料、框架与推理服务 ROCm 快速安装入口、AMD ROCm Blog 互相印证链接。05-AMD-YES/README.md：社区项目练手。
如何学「AMD」与「模型推理」（给用户的可复述要点）
- 学 AMD / ROCm：以 官方文档为主线（版本、安装矩阵、已知问题），本仓库
00-Environment提供与教程一致的 实操步骤；遇到框架差异时以当前 ROCm 版本对应页面为准。 - 学模型推理：先掌握 一种部署栈（例如 vLLM 或 Ollama）在同目录教程下跑通；再换框架或换模型系列，目录结构与文件名在仓库内保持一致（中文见
CONTENT_GUIDE.md，英文见CONTENT_GUIDE_en.md）。 - 学微调：在推理与环境稳定后进入
02-Fine-tune，从小参数 LoRA 示例开始，再扩展多机多卡等高级主题。
贡献与协作（简述）
- 贡献文档或新模型教程前：中文先读
CONTENT_GUIDE.md/CONTRIBUTING.md；英文先读CONTENT_GUIDE_en.md/CONTRIBUTING_en.md（Issue/PR 与目录约定）。 - 新增部署文命名与结构应对齐
docs/zh/01-deploy/qwen3//docs/en/01-deploy/qwen3/等现有范例。
何时查阅 references
需要 链接清单、官方入口或更长背景 时，可读 references/links-and-context.md（本 Skill 附属参考，非仓库正文），并同步参考仓库正文：
docs/zh/04-references/index.md/docs/en/04-references/index.md：官方资源索引，当前重点服务 Skill 的快速查阅，包括 GPU 架构资料、框架与推理服务 ROCm 快速安装入口、AMD ROCm Blog 互相印证链接。docs/zh/00-environment/rocm-gpu-architecture-table.md/docs/en/00-environment/rocm-gpu-architecture-table.md：回答 GPU 架构、gfx 目标、pip 索引等问题。- 故障排查与常见问题社区讨论：https://zcnijjcepfie.feishu.cn/docx/R2a4dDRUBoo1R2x7mOjcPpPPnOO。