AMD: Linux bekommt Support für Vega M und Vega 20

Die kommende Version 4.18 des Linux-Kernel soll sowohl AMDs Vega M unterstützen, die in Intels Kaby Lake G genutzt wird, als auch die Vega 20, die wohl für Machine Learning gedacht ist. Die Patches dafür stehen bereit.

Artikel veröffentlicht am 16. Mai 2018, 14:40 Uhr, Sebastian Grüner

AMDs Vega 20 wird wohl zum Deep-Learning verwendet. (Bild: AMD)

Beim Test des Hades-Canyon-NUC von Golem.de vor etwa einem Monat haben wir mit der Nutzung der AMD-Grafik auf Intels Kaby Lake G noch schwerwiegende Probleme unter Linux gehabt. Wir konnten die als Vega M bezeichnete Grafikeinheit mit dem freien Betriebssystem schlicht nicht verwenden. Mit der Version 4.18 des Linux-Kernel, die vermutlich Mitte oder Ende August dieses Jahres erscheint, sollen aber auch Linux-Nutzer die Vega M einsetzen können.

Die dazu notwendigen Patches hat der AMD-Entwickler Alex Deucher nun zur Aufnahme in die Entwicklungsversion vorgeschlagen und der Betreuer des Grafiksubsystems, David Airlie, hat die Patches inzwischen in seinen Zweig eingepflegt. Die Veröffentlichung des Codes in der stabilen Version 4.18 ist damit nur noch eine Formsache. Die Userspace-Bestandteile wie etwa in Mesa für die Vega M sind ebenfalls seit einigen Wochen verfügbar.

Die von Deucher eingereichten Patches enthalten darüber hinaus einige weitere Änderungen und Verbesserungen der AMD-Grafiktreiber in Linux. Der AMD-Entwickler schreibt, er plane die Patches zur Unterstützung von Vega 20 ebenfalls noch im Laufe dieser Woche zur Aufnahme einzureichen.

Vega 20 mit ungewöhnlicher Hardware

Auch hierfür hat Deucher die Patches bereits auf der Mailing-Liste der AMD-Grafiktreiberentwickler veröffentlicht. Daraus geht hervor, dass sich die Vega 20 nur in Teilen von den schon verfügbaren Vega-Designs unterscheidet. Die wohl interessanteste Neuerung ist, dass Vega 20 über zwei UVD-Einheiten zum Dekodieren von Videos verfügt.

Bei der Vega 20 handelt es sich vermutlich um den von AMD bereits angekündigten Chip, der speziell für Deep-Learning-Aufgaben ausgelegt ist und in dem neuen 7-nm-Fertigungsprozess bei TSMC hergestellt werden soll.