AMD显卡(RX6750gre)+ubuntu22.04搭配Anaconda部署ROCM环境以及pyTorch框架

豆琳

已于 2025-04-06 13:10:25 修改

阅读量1.7k

点赞数 56

分类专栏： AIGC学习流程文章标签： pytorch 人工智能 python

于 2025-04-06 12:54:39 首次发布

本文链接：https://blog.csdn.net/weixin_45312538/article/details/147021989

版权

AIGC学习流程专栏收录该内容

5 篇文章

订阅专栏

前清提示：
如果你还没有购买显卡，想学习AI方面，并且资金充足的情况下。
千万不要购买AMD显卡
千万不要购买AMD显卡
千万不要购买AMD显卡
目前不管是PyTorch还是TensorFlow对N卡在CUDA的支持方面都远远的高于AMD的ROCM。
还有很关键的一点就是，AMD的ROCM目前对windows系统是不支持的，即使AMD新推出的显卡在windows上使用，也是基于wsl2在windows上安装子系统，用的一样是linux命令符。不喜欢或不习惯linux操作系统的，选显卡的时候一定要慎重。
这是amd官方对于他们自己显卡对应的ROCM版本支持列表
如果你是和标题一样，使用的AMD 6750gre这张显卡，那上面的链接你就不用去看了，因为对于AMD对于这在中低端的卡，是没有ROCM支持的。但是方法总比困难多，如果你已经入了这张显卡，那你还是可以使用下面的方法，搭建自己的ROCM环境。

Docker和Anaconda

虽然AMD官网里面有已经安装好pyTorch的docker打包版，但是就功能区别而言。我个人更加推荐Anaconda。

功能维度	Docker	Anaconda
环境隔离	操作系统级隔离（容器）	Python 虚拟环境（进程级隔离）
依赖管理	打包整个应用环境（系统库、语言环境等）	管理 Python 包和依赖
跨平台支持	支持 Windows/macOS/Linux	支持 Windows/macOS/Linux
资源占用	较高（需运行容器引擎）	较低（仅虚拟环境）
学习曲线	较高（需理解容器、镜像、编排等概念）	较低（适合 Python 开发者）
典型用途	应用部署、微服务、持续集成/交付（CI/CD）	数据分析、机器学习开发、本地实验

从上面的表格就可以看出，Anaconda更适合我们python用户。并且官网提供的Docker包，其中很多东西都不可以自己选择，很容易就会导致你安装的ROCM和其pyTorch包的版本不兼容，导致程序报错。

我个人的电脑配置

CPU: AMD Ryzen 5 7500F
GPU:AMD Radeon rx 6750gre 12GB 白金版
系统: Ubuntu 22.04.5 LTS

1、安装系统

因为目前6750gre不支持wsl2和docker的Ubuntu容器环境，所以想要使用需要在自己物理机上搭建linux系统。官方给出的建议是使用Ubuntu 22.04.5或Ubuntu 24.04.2。所以需要自己在本地搭建为windows双系统。

准备工作

首先，我们需要准备一个u盘，至少不小于8G
其次呢，我们需要给自己的电脑预留出一定的空间进行系统的安装，这个可以使用分盘工具。

我个人是分出了200G的空间，因为后期sd里面很多大模型一个就得5-15G，多留点不是坏事。

然后现在去Ubuntu官网下载对应的版本系统就可以了。
Ubuntu系统下载地址

这边建议还是下载22.04.5这个版本就好，因为这个版本我自己测试过可以使用。

同时我们也需要安装一个将iso文件写入u盘的工具，这里推荐大家选择UltraIso。

然后再往下重装系统的操作，我这里就不写了，其他博主那里有很多带着图片的详细教材。

2、在你的ubuntu系统上安装amd的ROCm驱动

AMD官网对于ROCM驱动的官方下载地址

2.1 安装驱动程序

官方版本安装：

sudo apt update
wget https://repo.radeon.com/amdgpu-install/6.3.3/ubuntu/jammy/amdgpu-install_6.3.60303-1_all.deb
sudo apt install ./amdgpu-install_6.3.60303-1_all.deb
sudo apt update

但是我个人并不建议这样，因为官方版本安装的是6.3.3,这是（2024年8月发布），更多的是对RDNA3+ 架构（gfx1150）的实验性支持。但是我们6750GRE是属于RDNA2，所有我们使用ROCm 6.2.4

个人推荐版本安装（推荐）

一、添加官方仓库以及添加依赖项

sudo apt update
sudo apt install linux-headers-$(uname -r) linux-modules-extra-$(uname -r) libnuma-dev
# 导入 GPG 密钥
wget -q -O - https://repo.radeon.com/rocm/rocm.gpg.key | sudo gpg --dearmor -o /usr/share/keyrings/rocm-archive-keyring.gpg

# 添加仓库配置（仅 amd64 架构）
echo "deb [arch=amd64 signed-by=/usr/share/keyrings/rocm-archive-keyring.gpg] https://repo.radeon.com/rocm/apt/6.2.4 jammy main" | sudo tee /etc/apt/sources.list.d/rocm.list

二、安装核心组件

sudo apt update
sudo apt install rocm-hip-libraries rocm-dev rocm-utils rocm-dkms
sudo reboot  # 重启以加载内核模块

三、配置用户权限和环境变量

（1）用户组权限

sudo usermod -aG video $USER
sudo usermod -aG render $USER
sudo reboot  # 重启生效

（2）环境变量

export PATH=$PATH:/opt/rocm/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/rocm/lib
source ~/.bashrc

（3）GPU 架构覆盖（这个必须要添加，要不然后面上项目了嘎嘎报错）

echo 'export HSA_OVERRIDE_GFX_VERSION=10.3.0' >> ~/.bashrc
source ~/.bashrc

四、验证安装（如果你有pycharm，直接跳过去第五步）

1、检查ROCM状态

# 查看 GPU 识别状态
/opt/rocm/bin/rocminfo | grep "Agent Name"

# 检查内核模块
lsmod | grep -E "amdgpu|amdkfd"

2、运行 HIP 测试程序

# 编译并运行 HIP 示例
echo '#include <hip/hip_runtime.h>\n int main() { int dev; hipGetDeviceCount(&dev); printf("Devices: %d\\n", dev); }' > test.cpp
hipcc test.cpp -o test
./test  # 应输出检测到的 GPU 数量

五、安装Anaconda并且部署pyTorch框架

Anaconda官网下载地址
在这里插入图片描述

1、下载Anaconda安装脚本

打开终端，执行以下命令下载最新版Anaconda

# 进入临时下载目录
cd /tmp

# 使用wget下载（替换为官网最新链接）
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

最新的版本可以通过此链接去官网查看

2、运行安装脚本

# 启动安装程序
bash Anaconda3-2024.10-1-Linux-x86_64.sh

按 Enter 浏览许可协议，输入 yes 同意条款。
选择安装路径（默认：~/anaconda3），直接按 Enter 使用默认路径。
安装完成后，输入 yes 以初始化Anaconda。

3、激活配置

# 更新当前Shell配置
source ~/.bashrc

4、验证安装

# 检查conda版本
conda --version

# 列出已安装包
conda list

5、配置虚拟环境

# 创建新环境
conda create --name pyTorch python=3.10

# 激活环境
conda activate pyTorch

# 退出环境
conda deactivate

6、安装pyTorch

AMD提供安装pyTorch版本选择的官网

（1）安装torch、torchvision以及torchaudio

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.2.4

（2）在pycharm中创建一个项目

python路径选择你自己安装的anaconda3的安装地址，进入envs包，里面应该有你自己才创建的pyTorch环境，然后进入bin包，选择里面的python.sh。（我这是用的Windows演示，因为我不知道Linux里面如何截图）

输入代码：

import torch
print(f"PyTorch 版本: {torch.__version__}")
print(f"ROCm 可用性: {torch.cuda.is_available()}")
print(f"HIP 版本: {torch.version.hip}")

输出结果：

PyTorch 版本: 2.6.0+rocm6.2.4
ROCm 可用性: True
HIP 版本: 6.2.41134-65d174c3e

这种情况就可以证明是安装成功了。