AMD显卡怎么安装pytorch

安装 PyTorch 于 AMD GPU
对于希望在配备 AMD 显卡的设备上运行 PyTorch 的开发者而言，目前官方并不直接提供针对 ROCm（Radeon Open Compute）平台之外的支持。这意味着标准 CUDA 版本不适用于 AMD 设备。然而，自 PyTorch 1.5 开始引入了对 ROCm 的支持[^1]。
为了使 PyTorch 能够利用 AMD GPU 加速计算，应当采用专门编译过的、基于 ROCm 架构优化后的 PyTorch 发行版。具体操作流程如下：
方法一：通过 Conda 渠道安装
如果使用 Anaconda 或 Miniconda 环境管理工具，则可以通过以下命令来设置适合 AMD 平台的工作环境：
# 创建并激活新的 conda 环境
conda create -n rocm_env python=3.8
conda activate rocm_env

# 添加 rocM channel 到 condA channels 中
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set channel_priority strict

# 安装兼容 ROCm 的 PyTorch 及其依赖项
conda install pytorch torchvision torchaudio pytorch-rocm -c pytorch
登录后复制
方法二：借助 pip 工具手动下载 Whl 文件
当网络条件不佳或者偏好更灵活控制软件版本时，可以从官方网站获取预构建好的 wheel 包来进行本地化部署：
访问 PyTorch Official Site ，按照页面提示选择合适的操作系统以及 Python 解释器版本后点击 "Download" 获取链接地址；随后执行类似下面这样的指令完成安装过程：
pip install torch-<version>-cp38-cp38-linux_x86_64.whl # 替换为实际下载得到的具体文件名
pip install torchvision-<version>+rocm-cp38-cp38-linux_x86_64.whl
登录后复制
需要注意的是，在此之前还需确保已经正确设置了 ROCm 运行时环境，并且确认所选硬件满足最低规格要求。更多关于 ROCm 的详情可参阅官方文档获得指导[^2]。