需先确认amd gpu型号与windows系统在rocm官方支持列表内，再下载安装rocm 6.2.4主包并全选组件，接着手动配置rocm_path、path及hsa_override_gfx_version环境变量，最后通过rocminfo、rocm-smi验证设备识别，并安装pytorch rocm版完成ai训练加速启用。
如果您希望在搭载AMD显卡的Windows电脑上启用GPU加速AI训练能力，但系统当前未识别ROCm计算平台，则可能是由于驱动、安装包版本或环境配置不匹配所致。以下是完成ROCm平台部署的具体操作路径：
一、验证硬件与系统兼容性
ROCm对GPU型号和操作系统版本有严格要求，必须确认设备在官方支持列表内，否则后续所有步骤均无法生效。此步骤可避免因硬件不兼容导致的反复失败。
1、以管理员身份打开PowerShell，执行：
Get-ComputerInfo | Format-Table CsSystemType, OSName, OSDisplayVersion
2、运行以下命令检查GPU型号是否被ROCm支持：
rocm-smi --showproductname
3、访问AMD ROCm官方文档页面，核对输出的GPU代号（如gfx942、gfx1100）是否列入Windows版ROCm 6.1或6.2.x支持列表仅RDNA3及MI系列专业卡支持Windows ROCm，RX 6000/7000消费级显卡暂不支持
二、下载并安装ROCm主安装包
安装包必须从AMD官网获取，第三方镜像或旧版安装器可能导致组件缺失或HIP编译失败。完整安装选项将自动部署驱动、运行时、工具链及头文件，是AI开发的必要基础。
1、访问AMD官网ROCm for Windows下载页，选择与GPU代号匹配的版本（截至2026年1月，推荐ROCm 6.2.4）
2、下载完成后，右键安装程序，选择“以管理员身份运行”
3、在安装向导中勾选Full Install（全部安装），保持默认路径为C:\Program Files\AMD\ROCm
4、安装过程结束后，必须重启计算机，否则HSA运行时无法加载GPU设备节点
三、配置系统环境变量
ROCm组件依赖特定路径变量才能被命令行工具与Python环境识别。手动设置可绕过安装程序可能遗漏的PATH注册问题，确保rocminfo、rocm-smi等命令全局可用。
1、右键“此电脑”→“属性”→“高级系统设置”→“环境变量”
2、在“系统变量”区域点击“新建”，输入变量名：
ROCM_PATH，变量值：
C:\Program Files\AMD\ROCm
3、找到“Path”变量，点击“编辑”→“新建”，添加：
%ROCM_PATH%\bin
4、若使用RDNA3架构GPU（如RX 7900 XTX），还需新增变量：
HSA_OVERRIDE_GFX_VERSION，值设为11.0.0
四、验证ROCm基础功能
该阶段确认GPU设备已被ROCm运行时识别，且底层通信通道正常。任何一项失败均表明前序步骤存在配置错误，需回溯排查。
1、打开新启动的PowerShell（确保环境变量已加载），执行：
rocminfo
2、观察输出中是否包含“Agent”段落，且其“Name”字段显示您的GPU型号
3、执行：
rocm-smi
4、确认输出中“GPU ID”数量与物理GPU一致，且“Status”列为Active
五、集成PyTorch ROCm版本
AI框架层需专用编译版本才能调用ROCm后端。直接使用PyPI通用wheel会导致CUDA-only分支被强制启用，GPU不可用。
1、在PowerShell中执行：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.2.4
2、安装完成后，运行Python验证脚本：
python -c "import torch; print(torch.cuda.is_available())"
3、若返回True，继续执行：
python -c "import torch; print(torch.cuda.device_count(), torch.cuda.get_device_name(0))"
4、成功时将输出GPU数量及型号名称，例如：
1 Radeon RX 7900 XTX
