不是英伟达的GPU用GPU跑pytorch

### 如何在非NVIDIA GPU上运行PyTorch

对于希望利用非NVIDIA GPU来加速计算任务的应用场景，目前主要的选择之一是AMD的ROCm平台。PyTorch官方支持通过特定配置实现基于AMD Radeon显卡上的训练与推理操作[^4]。

#### 安装适用于AMD GPU的PyTorch版本
为了能够在配备有兼容ROCm架构的AMD图形处理器设备环境中执行深度学习模型开发工作，需下载并安装专门针对该硬件优化过的PyTorch发行版。具体步骤如下：

1. **确认环境准备**
- 已经正确设置了最新的ROCM驱动程序以及相关依赖库

2. **获取适合ROCm的PyTorch包**
可以从Anaconda云服务或者直接采用pip工具来进行安装：

   pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/rocm5.2

3. **验证安装成功与否**
运行简单的测试脚本来确保一切正常运作

import torch
print(torch.__version__)
if torch.cuda.is_available():
    print('CUDA is available')
else:
    print('Using CPU or ROCm backend')
device = 'cuda' if torch.cuda.is_available() else 'cpu'
tensor_example = torch.tensor([1., 2., 3.], device=device)
print(f'Tensor on {device}:', tensor_example)

需要注意的是，在编写代码时应当保持灵活性以便于切换不同的后端处理单元；比如上述例子中判断是否可用`cuda`的方式同样可以应用于检测是否有有效的ROCm接口存在。