MS-S1 MAX、AI MAX 395 在 Ubuntu 24 利用 Vulkan 版 llama.cpp 运行 gpt-oss 120b

1. 安装 AMD GPU 驱动和 ROCm

wget https://repo.radeon.com/amdgpu-install/7.1.1/ubuntu/noble/amdgpu-install_7.1.1.70101-1_all.deb
sudo apt install ./amdgpu-install_7.1.1.70101-1_all.deb
sudo apt update
sudo apt install "linux-headers-$(uname -r)" "linux-modules-extra-$(uname -r)"
sudo apt install amdgpu-dkms
sudo apt install python3-setuptools python3-wheel
sudo usermod -a -G render,video $LOGNAME
sudo apt install rocm

AMD ROCm 官方文档

2. 通过 GTT 解锁 96G 显存

1. 进入 BIOS -> Setup -> Advanced -> NBIO common options -> GFX configuration -> UMA Frame buffer size 修改显存大小。
2. 修改 GRUB 配置：

vim /etc/default/grub
# 设置 GRUB_CMDLINE_LINUX_DEFAULT="quiet splash amd_iommu=off ttm.pages_limit=27648000 ttm.page_pool_size=27648000 amdttm.pages_limit=27648000 amdttm.page_pool_size=27648000 apparmor=0"
update-grub

重启生效。

3. 安装 Vulkan

sudo apt install vulkan-tools

4. 下载并运行 llama.cpp

llama.cpp Release 页面

wget https://github.com/ggml-org/llama.cpp/releases/download/b7503/llama-b7503-bin-ubuntu-vulkan-x64.tar.gz
# 解压并进入目录
tar -xzf llama-b7503-bin-ubuntu-vulkan-x64.tar.gz
cd llama-b7503-bin-ubuntu-vulkan-x64

从 Hugging Face Mirror 获取模型（例如：ggml-org/gpt-oss-120b-GGUF），并将文件下载到 ~/.cache/llama.cpp/ 目录。

启动服务：

./llama-server -hf ggml-org/gpt-oss-120b-GGUF -c 0 --jinja

5. 安装 amdgpu_top