<!DOCTYPE html><html><head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
  </head>
  <body>
    <p>[sorry, I hit send too early]</p>
    <p><br>
    </p>
    On 2023-10-23 11:15, Christian König wrote:<br>
    <blockquote type="cite">Am 23.10.23 um 15:06 schrieb Daniel Tang:<br>
      <blockquote type="cite">That commit causes the screen to freeze a
        few moments after running<br>
        clinfo on v6.6-rc7 and ROCm 5.6. Sometimes the rest of the
        computer<br>
        including ssh also freezes. On v6.5-rc1, it only results in a
        NULL pointer<br>
        deference message in dmesg and the process to become a zombie
        whose<br>
        unkillableness prevents shutdown without REISUB. Although
        llama.cpp and<br>
        hashcat were working in v6.2 and ROCm 5.6, broke, and are not
        fixed by<br>
        this revert, pytorch-rocm is now working with stability and
        without<br>
        whole-computer freezes caused by any accidental running of
        clinfo.<br>
        <br>
        This reverts commit 1d7776cc148b9f2f3ebaf1181662ba695a29f639.<br>
      </blockquote>
      <br>
      That result doesn't make much sense. Felix please correct me, but
      AFAIK the ATS stuff was completely removed by now.<br>
      <br>
      Are you sure that this is pure v6.6-rc7 and not some other patches
      applied? If yes than we must have missed something.<br>
    </blockquote>
    <br>
    This revert doesn't really affect systems with ATS. It moves the
    sanity check back out of the ATS-specific code.<br>
    <br>
    The Null pointer dereference in the bug report comes from the CPU
    page table update code:<br>
    <pre>[10089.267556] BUG: kernel NULL pointer dereference, address: 0000000000000000
[10089.267563] #PF: supervisor write access in kernel mode
[10089.267566] #PF: error_code(0x0002) - not-present page
[10089.267569] PGD 0 P4D 0 
[10089.267574] Oops: 0002 [#1] PREEMPT SMP NOPTI
[10089.267578] CPU: 23 PID: 18191 Comm: clinfo Tainted: G           OE      6.5.0-9-generic #9-Ubuntu
[10089.267582] Hardware name: Micro-Star International Co., Ltd. MS-7C37/X570-A PRO (MS-7C37), BIOS H.I0 08/10/2022
[10089.267585] RIP: 0010:amdgpu_gmc_set_pte_pde+0x23/0x40 [amdgpu]
[10089.267820] Code: 90 90 90 90 90 90 90 0f 1f 44 00 00 48 b8 00 f0 ff ff ff ff 00 00 55 48 21 c1 8d 04 d5 00 00 00 00 4c 09 c1 48 01 c6 48 89 e5 <48> 89 0e 31 c0 5d 31 d2 31 c9 31 f6 45 31 c0 e9 89 7e 27 fb 66 0f
[10089.267823] RSP: 0018:ffffb49805eeb8b0 EFLAGS: 00010246
[10089.267827] RAX: 0000000000000000 RBX: 0000000000200000 RCX: 0040000000000480
[10089.267830] RDX: 0000000000000000 RSI: 0000000000000000 RDI: ffff9890d4380000
[10089.267832] RBP: ffffb49805eeb8b0 R08: 0040000000000480 R09: 0000000000200000
[10089.267835] R10: 0000000800100200 R11: 0000000800100200 R12: ffffb49805eeba98
[10089.267837] R13: 0000000000000001 R14: 0000000000200000 R15: 0000000000000001
[10089.267840] FS:  00007f8ca9f09740(0000) GS:ffff9897befc0000(0000) knlGS:0000000000000000
[10089.267843] CS:  0010 DS: 0000 ES: 0000 CR0: 0000000080050033
[10089.267846] CR2: 0000000000000000 CR3: 00000002e0746000 CR4: 0000000000750ee0
[10089.267849] PKRU: 55555554
[10089.267851] Call Trace:
[10089.267853]  <TASK>
[10089.267858]  ? show_regs+0x6d/0x80
[10089.267865]  ? __die+0x24/0x80
[10089.267870]  ? page_fault_oops+0x99/0x1b0
[10089.267876]  ? do_user_addr_fault+0x316/0x6b0
[10089.267879]  ? srso_alias_return_thunk+0x5/0x7f
[10089.267884]  ? scsi_dispatch_cmd+0x91/0x240
[10089.267891]  ? exc_page_fault+0x83/0x1b0
[10089.267896]  ? asm_exc_page_fault+0x27/0x30
[10089.267904]  ? amdgpu_gmc_set_pte_pde+0x23/0x40 [amdgpu]
[10089.268140]  amdgpu_vm_cpu_update+0xa9/0x130 [amdgpu]
...
</pre>
    This revert is just a roundabout way of disabling CPU page table
    updates for compute VMs. But I don't think it really addresses the
    root cause.<br>
    <br>
    Regards,<br>
      Felix
    <p><br>
    </p>
    <blockquote type="cite"><br>
      Regards,<br>
      Christian.<br>
      <br>
      <blockquote type="cite"><br>
        Closes: <a class="moz-txt-link-freetext" href="https://github.com/RadeonOpenCompute/ROCm/issues/2596">https://github.com/RadeonOpenCompute/ROCm/issues/2596</a><br>
        Signed-off-by: Daniel Tang
        <a class="moz-txt-link-rfc2396E" href="mailto:danielzgtg.opensource@gmail.com"><danielzgtg.opensource@gmail.com></a><br>
        ---<br>
          drivers/gpu/drm/amd/amdgpu/amdgpu_vm.c | 12 ++++++------<br>
          1 file changed, 6 insertions(+), 6 deletions(-)<br>
        <br>
        diff --git a/drivers/gpu/drm/amd/amdgpu/amdgpu_vm.c
        b/drivers/gpu/drm/amd/amdgpu/amdgpu_vm.c<br>
        index 82f25996ff5e..602f311ab766 100644<br>
        --- a/drivers/gpu/drm/amd/amdgpu/amdgpu_vm.c<br>
        +++ b/drivers/gpu/drm/amd/amdgpu/amdgpu_vm.c<br>
        @@ -2243,16 +2243,16 @@ int amdgpu_vm_make_compute(struct
        amdgpu_device *adev, struct amdgpu_vm *vm)<br>
              if (r)<br>
                  return r;<br>
          +    /* Sanity checks */<br>
        +    if (!amdgpu_vm_pt_is_root_clean(adev, vm)) {<br>
        +        r = -EINVAL;<br>
        +        goto unreserve_bo;<br>
        +    }<br>
        +<br>
              /* Check if PD needs to be reinitialized and do it before<br>
               * changing any other state, in case it fails.<br>
               */<br>
              if (pte_support_ats != vm->pte_support_ats) {<br>
        -        /* Sanity checks */<br>
        -        if (!amdgpu_vm_pt_is_root_clean(adev, vm)) {<br>
        -            r = -EINVAL;<br>
        -            goto unreserve_bo;<br>
        -        }<br>
        -<br>
                  vm->pte_support_ats = pte_support_ats;<br>
                  r = amdgpu_vm_pt_clear(adev, vm,
        to_amdgpu_bo_vm(vm->root.bo),<br>
                                 false);<br>
        -- 2.40.1<br>
        <br>
        <br>
        <br>
      </blockquote>
      <br>
    </blockquote>
  </body>
</html>