1、rccl测试代码更新导致编译失败，DTK缺少重要组件

问题描述： rccl测试代码更新导致编译失败，报错缺少:/opt/dtk/bin/amdclang++

结论： 官网代码Makefile上周修改为使用amdclang++，旧版本使用的是hipcc，强制修改为hipcc后，编译遇到缺少FP8相关文件。

解决方案： 修改为如下的编译指令：GPU_TARGETS=gfx936 HIPCC=hipcc MPI=1 make -j -C src build（不同型号的DCU，需要修改下设备号）

2、flash-attn报错

问题描述：

系统：ubuntu22.04

DCU: Z100L

镜像版本：pytorch-2.4.1:ubuntu22.04-dtk25.04.1-py3.10-fixpy

flash-attn：2.6.1+das.opt1.dtk25041

报错如下：

结论： flash_attn2.6.1+目前不支持K100、z100系列卡。

解决方案： 如果客户的资源是k100、z100系列卡的话，需要使用fa2.0.4版本，可以拉取fa2.0.4版本的镜像创建容器进行作业。

3、conda部署安装fastpt后souce报错

问题描述： 创建conda环境，python版本3.11，已安装DTK，fastpt ，在进入python环境，import fastpt，from fastpt.init_process import cuda_init报错，不能使用导入fastpt的init_process，source fastpt也报同样的错。

结论： 该错误出现的原因是安装使用的fastpt-2.0.1+das.dtk2504-py3-none-any.whl没有针对py3.11进行专门的适配，目前光源已更有py3.11专用版本，安装后可以正常import fastpt.init_process以及正常启用fastpt。

解决方案： 下载针对py3.11进行专门的适配的fastpt whl包，下载地址：https://download.sourcefind.cn:65024/directlink/4/fastpt/DAS1.6/fastpt-2.0.1+das.dtk25041-cp311-cp311-linux_x86_64.whl

4、hipprof --pmc得到的Performance数据和hipprof对不齐问题

问题链接： https://forum.sourcefind.cn/thread/1267

问题描述： 在DCU上优化卷积算子时，按照性能计算方式，算子比miopen的算子要慢性能要低，但是用hipprof --pmc分析算子性能时，发现hipprof返回的performance数据比miopen要好。

结论： performance给出的是该程序占用硬件计算单元的理论值，因此和计算的有差异，差异主要来自核函数中存在许多VALU相关操作，而硬件性能计数器SQ_INSTS_VALU会统计所有VALU操作，因此hipprof --pmc返回的performance数据会大很多。

5、migraphx支持自定义算子方式

问题链接： https://forum.sourcefind.cn/thread/1252

问题描述： migraphx支持自定义算子吗，可以的话大概流程怎么实现，是否有基于dtk的MIGraphX 4.1.0源代码

结论： 目前migraphx自定义算子还处于实验阶段，功能尚不完善。

解决方案： 临时方案可以参考官方示例工程：https://github.com/ROCm/AMDMIGraphX/blob/develop/examples/migraphx/custom_op_hip_kernel/custom_op_hip_kernel.cpp