ホストでのビルドと参照パイプライン¶

ホストでビルドする¶

Ubuntu 24.04／26.04上にROCm 10.1.0とMIGraphX 2.18.0を事前導入します。SDKルートは別々に指定できます。GStreamerとパッチはframework側、Mesa／libva／libdrm、QtとOSの開発パッケージはホスト側で管理します。旧 .deps/rocm72 と、他のOSから取得した .deps/sysroot は使いません。

導入手順に従い python3 scripts/host.py --write、python3 scripts/bootstrap.py --jobs 8 を実行します。NPUでは準備済みの --ryzen-ai-venv を指定します。bootstrapはsudoやホストSDKの導入を実行しません。scripts/env.sh は記録したホストSDKとframeworkのprefixを参照します。

検証済みと未検証の構成は対応表を参照してください。モデルmanifestはschema 3で、GPU、ROCm、MIGraphX、元ONNXのハッシュ、精度、バッチと生成物のハッシュを記録します。旧schema 1／2は再生成が必要です。SDK間でMIGraphXのシリアライズ済みモデルの互換性を仮定しません。

モデルを準備して実行する¶

RGB入力 [1,3,640,640] と出力 [1,84,8400] の静的YOLOv8 COCO ONNXを用意します。モデル情報は例に従い、80行のラベルをJSONの隣に置きます。

source scripts/env.sh
mkdir -p artifacts
build/src/gst/amdva-compile-model /path/yolov8n.onnx artifacts/yolov8n.mxr \
  > artifacts/model-compile.log 2>&1
LD_PRELOAD="$PWD/build/src/gst/libamdva_copy_audit.so" \
  build/src/gst/amdva-run /path/input.h264 artifacts/yolov8n.mxr \
  /path/yolov8n.json --events=artifacts/events.jsonl

準備は内部FP16演算、offload_copy=falseを使用し、SHA-256とGPUのmanifestを出力します。欠損・不一致・非互換は読み込み時に拒否します。モデルコンパイルは実行パイプラインとは分離します。

amdva-runはフレーム数、検出数、P95／P99処理時間、元メモリ／PTSとコピー監査を報告します。--amd-onlyは診断用にDL Streamerを省きます。監査ライブラリがなければゼロコピー検証はfalseです。--duration=SECONDSは30fpsのH.264入力を実時間で繰り返し、SIGINT／SIGTERMはEOSで排出します。

python3 tools/soak.py /path/input.h264 artifacts/yolov8n.mxr /path/yolov8n.json \
  --seconds=3600 --output=artifacts/soak

soakはRSS、FD、GPUメモリを記録し、ウォームアップ後の増加を検査します。DL Streamerとコピー監査の成功が必要です。検証を参照してください。

録画は圧縮RTSPパケットを保持します。リソースダッシュボードはGPU描画した監視画面をハードウェアH.264で配信します。現在のNPU要素については要素の説明も参照してください。