官方文档

对应torch下载地址

ROCm安装配置踩坑

• 遇到的问题
  • 安装ubuntu系统更新内核，内核新一点就可以
  • navi6800xt（gfx1030）显卡安装5.0及以上
  • rocm5.0以上是支持了navi显卡，如果是上一代的卡，可以装4.5这个版本系列，因为torch官网就有编译好的pytorch版本，可以直接安装到本地环境而不需要docker镜像
  • 安装后重启
  • （更新1）bios禁用安全启动。

ROCm安装

• （更新2）pytorch支持ROCM的版本更新到了5.4（pytorch2.0也支持），而rocm更新到了5.6（并且安装过程简化），似乎是支持大多数6000系gpu，笔记本的6000系列gpu（需要额外加一行参数）
  

• （更新3）ROCM现在已经支持windows，文章最开始的文档有官方的安装步骤，应该是挺简单的，各位有兴趣的可以试试

以下示例安装5.4，系统为ubuntu22.04，其他系统版本去官网看看安装说明找对应的安装脚本就可以

sudo apt update && sudo apt upgrade
sudo apt install wget gnupg2 
# 22.04安装这个
wget https://repo.radeon.com/amdgpu-install/5.4/ubuntu/jammy/amdgpu-install_5.4.50400-1_all.deb
sudo apt install ./amdgpu-install_5.4.50400-1_all.deb
# 20.04安装这个
wget https://repo.radeon.com/amdgpu-install/5.4/ubuntu/focal/amdgpu-install_5.4.50400-1_all.deb
sudo apt-get install ./amdgpu-install_5.4.50400-1_all.de
# 然后安装单个用例
sudo amdgpu-install --usecase=rocm,hip,mllib --no-dkms
# 添加用户至render组
sudo usermod -a -G video,render $LOGNAME

如果是笔记本6700s等显卡，现在直接运行会报如下错误。

# 需要额外加一行参数
export HSA_OVERRIDE_GFX_VERSION=10.3.0

重启系统
验证

# 显示gpu信息
rocm-smi

# 两项都显示gpu信息
/opt/rocm/bin/rocminfo
/opt/rocm/opencl/bin/clinfo

接下来就是如何使用rocm进行显卡运算加速了，有两种方式（方式一的docker镜像我不知道还更新着没，最近amd在这一块也发力了直，直接本地装也挺好的），推荐方式2

方式一，docker容器运行

       首先按以下教程安装docker，教程里推荐使用阿里云的分支

docker安装

       安装后下载pytorch或者tensorflow的镜像，这两个镜像里面都装好了torch或者tf，所以进去就可以直接用，好像是rocm5.0以上才支持navi显卡，所以推荐navi显卡用这个方法，因为torch官网编译好的版本最新支持到rocm4.5.2,所以你的显卡要是支持，就可以区torch官网选择你的版本，他会给你pip命令，这样你就可以安装到本地环境而不需要docker容器的远程环境。
       安装完docker就可以下载镜像了，需要哪个下哪个，这两个镜像一个（解压后）27g，一个22g，docker默认安装到根目录下的相关文件夹中，所以安装ubuntu时需要指定/的大小要大一点

下载Pytorch和TersonFlow镜像

sudo docker pull rocm/pytorch:latest

sudo docker pull rocm/tensorflow:latest

       下载完之后可以使用 docker images查看已下载的镜像，第四个就是

创建Pytorch或者TensorFlow容器

       这里可以把--rm删除，保存容器，以后直接使用docker start pytorch启动容器，再用docker attach pytorch进入容器，进入之后直接运行包含调用cuda的代码就可以。

# 如果下载的是pytorch的镜像就用这个命令
sudo docker run -it -v $HOME:/data --privileged --rm --device=/dev/kfd --device=/dev/dri --group-add video --name pytorch rocm/pytorch:latest
#如果是tensorflow就用这个命令
sudo docker run -it -v $HOME:/data --privileged --rm --device=/dev/kfd --device=/dev/dri --group-add video rocm/tensorflow:latest

       如果是会用docker的到这里教程基本就结束了。如果不会用docker接着往下看。
       上述命令运行完会直接进入创建好的容器,可以按ctrl+p+q先暂时退出，打开vscode，vscode安装的话就自己百度了，在插件市场搜索remote-containers安装

       安装完之后点vscode左下角的

       选择Attach to Running Container


       之后会弹出来一个新窗口，这样就可以在ide上开发了。注意：vscode连接container后默认不启用一部分插件，所以你需要自己安装python等的支持插件
       验证没有问题

       运行rocm的官方示例

       还有一个方法是不用vscode，可以进入容器内配置jupyter notebook 远程连接，方法自行百度，在映射了路径的前提下，容器内开启jupyter服务，可以在ubuntu本地浏览器运行jypyter笔记本，并且实现文件的同步。

方式二

直接本地新建一个新的环境，根据文章开始提供的下载的torch版本决定，下载安装至本地的python环境。
另外虽然安装的rocm版本是5.4，但是torch的5.2版本也是支持的，可以直接安装。

对docker不熟悉的可以使用此方法，以下示例安装5.0版本

1. 首先下载自己想要安装自定义python版本的对应的torch版本（地址在文章开头） ，下载到本地，可能会慢，具体方法自己查
2. 然后，本地新建环境，这里顺便把numpy也装上，不然后面使用会缺少包。
   
3. 安装本地的包
   
4. 最后验证，左侧的rocm5.0显示安装成功，torch张量也能创建存储在gpu上
   

import torch
torch.cuda.is_available()
# output = True 即可以调用gpu

在文章最开始提供的torch下载页面，进去搜索rocm，可以看到支持的版本