Support AMD 9070(GF1201) and wsl(/dev/dxg) by AI(Codex), Passed test_wgp_k64_benchmark and test_tile_ir_correctness

.archive/gpu_printf.rs

@@ -22,9 +22,9 @@
 //! | 8..12  | arg1: u32                        |
 //! | 12..16 | arg2: u32                        |
 
-#[cfg(feature = "rocm")]
+#[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
 use std::sync::Arc;
-#[cfg(feature = "rocm")]
+#[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
 use crate::kfd::{GpuBuffer, KfdDevice};
 
 /// Size of printf ring buffer in bytes (64KB = 4096 messages).
@@ -38,7 +38,7 @@ const MAX_MESSAGES: u32 = (RING_BUF_SIZE as u32) / MSG_SIZE;
 
 /// GPU printf context — manages ring buffer + counter on GPU side,
 /// decodes messages on host side.
-#[cfg(feature = "rocm")]
+#[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
 pub struct GpuPrintfCtx {
     /// Ring buffer for printf messages (64KB, GPU-visible).
     ring_buf: GpuBuffer,
@@ -48,7 +48,7 @@ pub struct GpuPrintfCtx {
     formats: Vec<String>,
 }
 
-#[cfg(feature = "rocm")]
+#[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
 impl GpuPrintfCtx {
     /// Create a new GPU printf context.
     pub fn new(device: &Arc<KfdDevice>) -> Result<Self, String> {
@@ -323,7 +323,7 @@ mod tests {
     }
 
     /// GPU integration test: dispatch a printf kernel and verify host-side decode.
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     #[test]
     fn test_gpu_printf_e2e() {
         use std::sync::OnceLock;
@@ -377,7 +377,7 @@ mod tests {
     }
 
     /// Test format_message (pure CPU — needs GPU only for buffer allocation).
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     #[test]
     fn test_format_message() {
         use crate::kfd::KfdDevice;

.archive/hw_probe.rs

@@ -1332,7 +1332,7 @@ mod tests {
         eprintln!("  ✓ probe_vmem_latency OK ({} bytes)", asm.len());
     }
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     #[test]
     fn test_compile_all_latency_probes() {
         for &op in ALL_PROBES {
@@ -1348,7 +1348,7 @@ mod tests {
 
     // ── GPU E2E: full sweep ──
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     mod gpu_e2e {
         use super::*;
         use std::sync::{Arc, OnceLock};

.archive/profile_guided.rs

@@ -35,7 +35,7 @@ pub struct TuneResult {
 
 /// PGO cache entry stored as JSON.
 #[derive(Clone, Debug)]
-#[cfg(feature = "rocm")]
+#[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
 struct CacheEntry {
     kernel_name: String,
     best_wg_size: u32,
@@ -45,13 +45,13 @@ struct CacheEntry {
 }
 
 /// Profile-guided tuner for kernel configurations.
-#[cfg(feature = "rocm")]
+#[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
 pub struct ProfileTuner {
     cache_dir: PathBuf,
     cache: HashMap<String, TuneResult>,
 }
 
-#[cfg(feature = "rocm")]
+#[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
 impl ProfileTuner {
     /// Create a new profiler with default cache directory.
     pub fn new() -> Self {
@@ -334,7 +334,7 @@ mod tests {
         let dir = PathBuf::from("/tmp/t0_pgo_test_cache");
         let _ = std::fs::remove_dir_all(&dir);
 
-        #[cfg(feature = "rocm")]
+        #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
         {
             let mut tuner = ProfileTuner::with_cache_dir(dir.clone());
             let result = TuneResult {

.gitignore

@@ -1,7 +1,12 @@
-/target/
-Cargo.lock
-*.o
-*.hsaco
-*.swp
-*~
-.DS_Store
+/target/
+Cargo.lock
+*.o
+*.hsaco
+*.swp
+*~
+.DS_Store
+librocdxg
+libdxg
+prompt.txt
+log*
+.codex

Cargo.toml

@@ -1,21 +1,22 @@
-[package]
-name = "t0-gpu"
-version = "0.1.1"
-edition = "2021"
-description = "T0 — RDNA3 裸金属 GPU 内核编译器 & KFD 运行时"
-authors = ["GeisYaO <q1179671016@gmail.com>"]
-license = "MIT OR Apache-2.0"
-repository = "https://github.com/GeisYaO/t0-gpu"
-
-[workspace]  # Keep as standalone crate
-
-[features]
-default = []
-rocm = []  # Enable KFD runtime (requires /dev/kfd)
-
-[dependencies]
-# No external dependencies — pure Rust
-
-[[bin]]
-name = "isa_probe"
-path = "src/bin/isa_probe.rs"
+[package]
+name = "t0-gpu"
+version = "0.1.1"
+edition = "2021"
+description = "T0 — RDNA3 裸金属 GPU 内核编译器 & KFD 运行时"
+authors = ["GeisYaO <q1179671016@gmail.com>"]
+license = "MIT OR Apache-2.0"
+repository = "https://github.com/GeisYaO/t0-gpu"
+
+[workspace]  # Keep as standalone crate
+
+[features]
+default = []
+rocm = []  # Enable KFD runtime (requires /dev/kfd)
+wsl_dxg = []  # Enable WSL2 DXG runtime (requires /dev/dxg, links libdxg)
+
+[dependencies]
+libc = "0.2"
+
+[[bin]]
+name = "isa_probe"
+path = "src/bin/isa_probe.rs"

build.rs

@@ -0,0 +1,16 @@
+//! Build script for t0-gpu.
+//!
+//! When the `wsl_dxg` feature is enabled, we link against WSL's `libdxcore.so`.
+
+use std::env;
+
+fn main() {
+    println!("cargo:rerun-if-changed=build.rs");
+
+    if env::var_os("CARGO_FEATURE_WSL_DXG").is_none() {
+        return;
+    }
+
+    println!("cargo:rustc-link-search=native=/usr/lib/wsl/lib");
+    println!("cargo:rustc-link-lib=dylib=dxcore");
+}

docs/wsl_dxg_librocdxg_alignment.md

@@ -0,0 +1,66 @@
+# WSL_DXG 与 librocdxg 对齐台账
+
+更新时间：2026-04-11  
+适用范围：`src/wsl_dxg/*`（仅 `/dev/dxg` 路径），目标 `gfx1100/gfx1201`。  
+原则：能对齐就对齐；不能对齐必须给出原因；禁止“找不到就回退”。
+
+## 对齐状态总览
+
+| 项目 | librocdxg 参考 | 当前实现 | 状态 | 说明 |
+|---|---|---|---|---|
+| 适配器枚举主路径 | `librocdxg/src/wddm/device.cpp:524-542`（仅 `D3DKMTEnumAdapters2`） | `src/wsl_dxg/mod.rs:1607-1610`（仅 `EnumAdapters2`） | 已对齐 | 已移除 `EnumAdapters3` 退避路径。 |
+| AMD 设备筛选 | `device.cpp:553-557`（VendorID + Supported） | `src/wsl_dxg/mod.rs:1649-1655`（VendorID + `DxgThunkDeviceInfo::new` 可用性） | 基本对齐 | 都先筛 AMD，再进入后续初始化。 |
+| AdapterInfo 私有 blob 解析 | `thunk_proxy` 思路（ADAPTERINFOEX/ATI/PROXY） | `src/wsl_dxg/thunk_proxy.rs:68-79` | 已对齐 | 结构与偏移策略一致。 |
+| 引擎序号/HWS/禁用超时掩码 | `thunk_proxy` 掩码 + engine ordinal | `src/wsl_dxg/thunk_proxy.rs:116-184` | 已对齐 | 严格化为 `Result`，不再 `unwrap_or(false)`。 |
+| ClockCalibration 计时 | `librocdxg/src/wddm/device.cpp:612-621` | `src/wsl_dxg/mod.rs:1394-1428` | 已对齐 | 使用 `D3DKMTQueryClockCalibration`；并按 `/dev/dxg` 打包 ABI 将 `ClockData` 按 32-bit lane 读取再拼 64-bit，避免自然对齐导致的脏频率。当前 `gfx1201` 实测 `calib.gpu_freq=100000000`（与 adapter info 的 `gpu_counter_frequency` 一致）。 |
+| 基准计时返回语义 | librocdxg 以 GPU 时间戳差值作为 kernel 执行时间（CPU 时钟仅辅助） | `src/ignis/gpu_context.rs:382-480` | 已对齐 | `dispatch_batch_profiled_gpu_us` 返回 GPU 时间戳换算值（`gpu_avg_us`）；`wall_avg_us` 仅诊断。换算频率使用 adapter info 的 `gpu_counter_frequency`（与 librocdxg `GPUCounterFrequency()` 一致），`QueryClockCalibration` 保留为诊断链路输出；任何频率异常直接报错，不回退到 wall time。 |
+| `amd_signal_t` timestamp 槽位 | librocdxg `amd_signal_t`：`start_ts@+32`、`end_ts@+40` | `src/wsl_dxg/mod.rs` 常量偏移 + `verify_amd_signal_layout_once()` | 已对齐 | 新增运行时一次性校验：`size=64`、`align=64`、`kind/value/start_ts/end_ts` 偏移必须分别为 `0/8/32/40`；并对 `COPY_DATA` 目的地址强制 8 字节对齐，保证 timestamp 写入目标正确。 |
+| Kernel dispatch 主 PM4 序列 | `librocdxg/src/wddm/queue.cpp:660-730` | `src/wsl_dxg/mod.rs:3624-3694` | 已对齐 | `start_ts -> barrier(条件) -> acquire -> (gfx11+)scratch+rsrc3 -> dispatch -> barrier -> end_ts -> acquire -> atomic signal -> atomic/read_ptr`。 |
+| `COMPUTE_RESOURCE_LIMITS` 连续寄存器顺序 | `librocdxg/src/wddm/cmd_util.cpp:209-217` | `src/wsl_dxg/mod.rs:3650-3660` | 已对齐 | 顺序为 `RESOURCE_LIMITS, SE0, SE1, TMPRING, SE2, SE3`。 |
+| RSRC1.PRIV 置位条件 | `cmd_util.cpp:202-205`（`major == 11`） | `src/wsl_dxg/mod.rs:4786-4794`（`major == 11`） | 已对齐 | 已改为仅 gfx11 置位，gfx12 不再强制 patch。 |
+| 信号等待策略 | librocdxg 不依赖 read_ptr 伪完成 | `src/wsl_dxg/mod.rs:4448-4471` | 已对齐 | 已删除 `wait_signal` 的 read_ptr fallback。 |
+| `wait_idle` 退休语义 | librocdxg 以同步对象/提交链确保真实完成 | `src/wsl_dxg/mod.rs:4452-4464`（`barrier + signal`） | 已对齐（语义层） | 不再直接信任 `read_ptr`；`wait_idle` 改为注入 barrier 包并等待 completion signal，避免 DXG 路径“读指针先行”导致的早返回/后续硬挂。 |
+
+## 未完全对齐项（含原因）
+
+| 项目 | librocdxg 参考 | 当前实现 | 状态 | 原因与结论 |
+|---|---|---|---|---|
+| `gfx major` 来源 | librocdxg 由 thunk/proxy 体系给出 `major`（非 device-id 硬编码） | `src/wsl_dxg/thunk_proxy.rs:397-409` 通过 device-id 映射 | 未对齐（计划改） | 当前仓库只有 `libthunk_proxy.a` 二进制，缺少完整可复用源码接口。暂用白名单映射且“未知即报错”，无回退。后续若提取到可调用接口，应改为与 librocdxg 同源解析。 |
+| 代码对象分配域 | librocdxg 代码对象走 Local VRAM + 显式映射 | `src/wsl_dxg/mod.rs:3129-3139`（`alloc_code -> system`） | 未对齐（有条件） | 在当前 `gfx1201 + /dev/dxg` 机型上，`Local/UserQueue` 分配执行 `D3DKMTLock2` 会返回 `0xC000000D`，导致代码对象无法写入。现阶段保留 system 可见内存作为确定策略；后续若补齐“staging->local 拷贝”链路，再切回 Local。 |
+| 通用 VRAM 资源分配域 | librocdxg 默认 Local（仅 system/userptr 才走 system） | `src/wsl_dxg/mod.rs:2474-2489` 将 `flags.vram` 归到 system | 未对齐（有条件） | 当前本项目大量路径要求 `cpu_ptr` 直接可见；为保持现有调用约定，普通 VRAM 仍走 system。后续需引入 staging/copy 后再完全对齐到 Local。 |
+| `compute_tmpring_size` 写入 | librocdxg 写队列维护值（`cmd_util.cpp:216`） | `src/wsl_dxg/mod.rs:3657` 固定写 `0` | 未对齐（有条件） | 当前实现明确禁止非零 `private_segment_size`（`src/wsl_dxg/mod.rs:3540-3544`），scratch 队列态尚未接入；在此约束下写 0 与行为一致。若后续启用 scratch，必须改成与 librocdxg 相同的 tmpring 计算与下发。 |
+| `COPY_DATA` timestamp 目标地址编码 | librocdxg `CmdUtil::BuildCopyData` 通过 C bitfield 设置 `dst_64b_addr_lo = PtrLow32 >> 3` | `src/wsl_dxg/mod.rs` `copy_gpu_clock_count()` 写原始 `addr_lo`（不预移位） | 未对齐（有实测原因） | 在当前 `gfx1201 + /dev/dxg` 环境，按 `>>3` 预移位会把目标地址错误编码为 `0x7F6B1F28...` 并触发 `ERROR_DMAPAGEFAULT`。改为原始 `addr_lo` 后，PM4 ordinal 与硬件实际解释一致。后续若引入与 librocdxg 同构的 PM4 bitfield 打包层，再评估回归到 `>>3`。 |
+| `/dev/dxg` 显式探测前置 | librocdxg 依赖 dxcore/thunk 调用，不先 `open("/dev/dxg")` | `src/wsl_dxg/mod.rs:1590-1605` 先探测且失败即报错 | 有意不对齐 | 本项目目标是“运行前置条件显式依赖 `/dev/dxg`”，因此保留该硬前置检查；同时不做任何继续执行的退避。 |
+| 平台原子能力环境变量覆写 | librocdxg 无该运行时覆写开关 | `src/wsl_dxg/mod.rs:185-191, 1359-1361` | 有意不对齐 | 仅用于排障和 A/B，默认仍走 AdapterInfo 真值；并且覆写是显式设置，不是回退逻辑。 |
+
+## 与 docs 经验对齐说明
+
+以下差异或保护与项目已有排障经验一致：
+
+- `docs/WGP_Mode_Page_Fault_根因分析.md`
+- `docs/GPU连续运行硬挂防御_实验记录.md`
+- `docs/WGP_Mode_RSRC1_CWSR根因分析.md`
+
+核心策略：
+
+1. 不隐藏错误：等待/计时失败直接报错，不用 read_ptr 伪成功。
+2. 不做静默回退：未知 device-id、找不到适配器、缺计时能力均直接失败。
+3. 可验证差异要落文档：凡与 librocdxg 不一致之处，必须有“原因+后续触发条件”。
+4. 频率域要区分：`gpu_counter_frequency`（当前实测 100MHz）是时间戳计数器频率，不等于核心最高时钟。`GFX1201/GCD` 的峰值核心频率（如 2520MHz）只能用于硬件能力讨论，不能直接用于 timestamp tick→time 换算。
+5. 计时结果输出规则：严格按 librocdxg 同类链路（GPU timestamp + counter frequency）换算后原样输出；不得因“看起来过高/过低”而抑制、替换或门禁结果。正确性校验信息可并行输出，但不用于屏蔽计时结果。
+6. 禁止经验阈值门禁：计时链路中不添加“合理区间/可疑范围”类判断来拦截频率或耗时，除零值/系统调用失败外一律按实测值输出。
+
+## 后续维护规则（强制）
+
+1. 每次改 `src/wsl_dxg/*`，先更新本文件对应行的“状态/原因”。
+2. 新增任何 fallback/重试/估计值前，必须先在本文件新增条目并写明必要性；否则不允许合入。
+3. 当 `compute_tmpring_size` 或 `major` 解析方案升级后，必须将对应条目状态改为“已对齐”并附代码位置。
+
+## 计时链路验真记录（gfx1201 + /dev/dxg）
+
+最近一次验证（`test_wgp_k64_benchmark`, `log.wgp`）：
+
+1. 频率一致性：`freq_hz=100000000`，且 `calib.gpu_freq=100000000`，两条来源一致。
+2. 计数器单调性：`calib[gpu_counter]`、`calib[cpu_counter]` 均严格递增。
+3. 计数器比例一致性：相邻 profile 点 `Δgpu_counter / Δcpu_counter ≈ 10.00016`，对应 GPU 计数器 100MHz、CPU 计数器 10MHz 的稳定比例关系。
+4. 结论：时间戳链路与频率读取在数值上自洽，属于“已获取到有效时间/频率”的状态；吞吐高低按实测原样输出，不做阈值门禁。

examples/bench_128x4096.rs

@@ -1,5 +1,5 @@
 //! 128×1024×4096 deep-K optimization: k32/k64 tiles + WGP
-use t0_gpu::t0::{GFX1100Schedule, Schedule, Target};
+use t0_gpu::t0::Target;
 use t0_gpu::t0::gemm_gen::{GemmConfig, generate, compute_grid, compute_grid_split_k};
 
 fn main() -> Result<(), String> {
@@ -34,7 +34,7 @@ fn main() -> Result<(), String> {
     }
     eprintln!("  All compiled OK");
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::kfd::{KfdDevice, GpuKernel, KernelLoadConfig, DispatchPool};
         use std::time::Instant;

examples/bench_auto_select.rs

@@ -1,5 +1,5 @@
 //! Validate auto_select: safe pattern with per-size Y allocation 
-use t0_gpu::t0::{GFX1100Schedule, Schedule, Target};
+use t0_gpu::t0::Target;
 use t0_gpu::t0::gemm_gen::{GemmConfig, generate, compute_grid_auto, auto_select, build_kernargs};
 
 fn main() -> Result<(), String> {
@@ -42,7 +42,7 @@ fn main() -> Result<(), String> {
     }
     eprintln!("  OK");
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::kfd::{KfdDevice, GpuKernel, KernelLoadConfig, DispatchPool};
         use std::time::Instant;

examples/bench_block_dsl_gemm.rs

@@ -4,7 +4,7 @@
 //!      cargo run --example bench_block_dsl_gemm --features rocm --release
 
 fn main() -> Result<(), String> {
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::ignis::gpu_context::GpuRuntime;
         use t0_gpu::t0::block_dsl::BlockKernel;

examples/bench_gemm.rs

@@ -11,7 +11,7 @@
 //! ## WMMA tile
 //! 32×64 output tile, K_tile=16, workgroup = 64 threads (2 waves)
 
-use t0_gpu::t0::{GFX1100Schedule, Schedule, Target};
+use t0_gpu::t0::Target;
 use t0_gpu::t0::math;
 
 fn main() -> Result<(), String> {
@@ -30,7 +30,7 @@ fn main() -> Result<(), String> {
     let elf = kernel_ir.compile(Target::GFX1100)?;
     eprintln!("  ✓ {} bytes ELF", elf.len());
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::kfd::{KfdDevice, GpuKernel, KernelLoadConfig, DispatchPool};
 

examples/bench_gemm_sweep.rs

@@ -108,7 +108,7 @@ fn main() -> Result<(), String> {
         compiled.push((cfg, elf));
     }
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::kfd::{KfdDevice, GpuKernel, KernelLoadConfig, DispatchPool};
 

examples/bench_gemm_variants.rs

@@ -17,7 +17,7 @@ fn main() -> Result<(), String> {
         ("128x64_k16", GemmConfig::tile_128x64_k16()),
     ];
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::kfd::{KfdDevice, GpuKernel, KernelLoadConfig, DispatchPool};
         use t0_gpu::t0::gemm_gen::compute_grid_auto;

examples/bench_kfd_dispatch.rs

@@ -18,7 +18,7 @@ fn main() -> Result<(), String> {
     let elf = k.compile(Target::GFX1100)?;
     eprintln!("  ✓ {} bytes ELF", elf.len());
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::kfd::{KfdDevice, GpuKernel, KernelLoadConfig, DispatchPool};
 

examples/bench_small_matrix.rs

@@ -1,5 +1,5 @@
 //! Measure dispatch overhead and per-CU efficiency for small matrices
-use t0_gpu::t0::{GFX1100Schedule, Schedule, Target};
+use t0_gpu::t0::Target;
 use t0_gpu::t0::gemm_gen::{GemmConfig, generate, compute_grid, compute_grid_split_k};
 
 fn main() -> Result<(), String> {
@@ -44,7 +44,7 @@ fn main() -> Result<(), String> {
     }
     eprintln!(" done");
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::kfd::{KfdDevice, GpuKernel, KernelLoadConfig, DispatchPool};
         use std::time::Instant;

examples/bench_split_k.rs

@@ -19,7 +19,7 @@ fn main() -> Result<(), String> {
     let elf = kernel_ir.compile(Target::GFX1100)?;
     eprintln!("  ✓ {} ({} bytes)", cfg.name(), elf.len());
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::kfd::{KfdDevice, GpuKernel, KernelLoadConfig, DispatchPool};
 

examples/bench_t0_unified.rs

@@ -48,7 +48,7 @@ fn main() -> Result<(), String> {
         kernels_info.push((cfg, elf));
     }
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::kfd::{KfdDevice, GpuKernel, KernelLoadConfig, DispatchPool};
 

examples/bench_thin_matrix.rs

@@ -1,7 +1,7 @@
 //! Focused thin-matrix (small M) benchmark
 //! Tests many tile/WGP/split-K/grid combinations on M=128,256 × K=1024 × N=4096
 
-use t0_gpu::t0::{GFX1100Schedule, Schedule, Target};
+use t0_gpu::t0::Target;
 use t0_gpu::t0::gemm_gen::{GemmConfig, generate, compute_grid, compute_grid_split_k};
 
 fn main() -> Result<(), String> {
@@ -68,7 +68,7 @@ fn main() -> Result<(), String> {
     }
     eprintln!(" done ({} compiled)", compiled.iter().filter(|x| x.is_some()).count());
 
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::kfd::{KfdDevice, GpuKernel, KernelLoadConfig, DispatchPool};
         use std::time::Instant;

examples/bench_tile_gemm.rs

@@ -8,7 +8,7 @@
 //!     cargo run --example bench_tile_gemm --features rocm --release
 
 fn main() -> Result<(), String> {
-    #[cfg(feature = "rocm")]
+    #[cfg(any(feature = "rocm", feature = "wsl_dxg"))]
     {
         use t0_gpu::ignis::gpu_context::GpuRuntime;
         use t0_gpu::t0::block_dsl::*;