1. 环境准备：从零开始的硬件与系统检查
在开始搭建PyTorch开发环境之前，我们需要确保硬件和系统满足基本要求。我去年在给团队配置开发机时，就因为忽略了这一步导致反复重装系统。先拿出你的AMD RX 6600显卡，确认PCIe插槽连接正常。这个型号属于RDNA2架构，设备ID通常是0x73ff（可以用lspci -nn | grep VGA查看），这点很重要，因为后续的ROCM驱动会校验硬件兼容性。
Ubuntu 20.04建议选择LTS版本，我实测过从20.04.1到20.04.6都可以。安装系统时有个坑要注意：在分区界面一定要勾选"安装第三方驱动"，虽然我们后续会手动安装AMD专用驱动，但这个选项会影响基础图形栈的配置。系统装好后，先运行sudo apt update && sudo apt upgrade -y更新所有包，特别是内核会升级到5.15系列，这对AMD显卡支持更好。
内存建议至少16GB，我之前用8GB跑模型时频繁触发OOM。另外需要预留50GB以上硬盘空间，因为ROCM和PyTorch的完整工具链会占用约35GB。可以用df -h检查空间，如果是在虚拟机环境，务必确认启用了PCI直通（Passthrough），否则显卡无法被宿主系统识别。
2. 安装AMD GPU驱动与ROCM平台
2.1 驱动安装的版本玄学
AMD驱动版本选择是个技术活，我踩过的坑可以写本书。官网推荐的5.4.2版本确实稳定，但下载时要注意分支差异。打开终端执行：
wget https://repo.radeon.com/amdgpu-install/5.4.2/ubuntu/focal/amdgpu-install_5.4.50402-1_all.deb这个链接可能会变，如果404了就去AMD官网搜"ROCm 5.4.2 Ubuntu 20.04"。安装时要用--no-deps避免自动升级内核：
sudo apt install -y ./amdgpu-install_5.4.50402-1_all.deb --no-deps2.2 ROCM的完整部署
接下来安装ROCM核心组件，这个步骤最容易出问题。建议先安装依赖库：
sudo apt install -y libnuma-dev libncurses5-dev libpci-dev然后执行完整安装：
sudo amdgpu-install --usecase=rocm,hip,mllib,dkms --no-dkms注意--no-dkms参数是为了避免内核模块编译失败导致整个安装中断。安装过程大约需要15分钟，完成后一定要验证：
/opt/rocm/bin/rocminfo | grep gfx应该能看到"gfx1031"字样（对应RX 6600的架构代号）。如果报错，尝试sudo apt install rocm-opencl-runtime补充安装。
3. PyTorch环境精准配置
3.1 版本匹配的黄金法则
PyTorch版本必须与ROCM严格对应，这是整个流程中最关键的环节。经过多次测试，我推荐使用PyTorch 1.12.1+rocm5.4.2这个组合。安装命令不是简单的pip install，而是要指定精确的二进制包：
pip3 install torch==1.12.1+rocm5.4.2 torchvision==0.13.1+rocm5.4.2 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/rocm5.4.2如果网络不稳定，可以先用wget下载whl文件本地安装：
wget https://download.pytorch.org/whl/rocm5.4.2/torch-1.12.1%2Brocm5.4.2-cp38-cp38-manylinux2014_x86_64.whl pip3 install torch-1.12.1+rocm5.4.2-cp38-cp38-manylinux2014_x86_64.whl3.2 环境变量的秘密配置
很多教程会忽略环境变量配置，但这直接决定能否调用GPU。编辑~/.bashrc时要注意顺序：
export PATH=$PATH:/opt/rocm/bin:/opt/rocm/opencl/bin export HSA_OVERRIDE_GFX_VERSION=10.3.0 export HIP_VISIBLE_DEVICES=0 export LD_LIBRARY_PATH=/opt/rocm/lib:/usr/local/lib保存后执行source ~/.bashrc立即生效。这里有个隐藏技巧：如果同时有多个AMD显卡，需要设置HIP_VISIBLE_DEVICES指定使用哪张卡。
4. 完整验证与性能调优
4.1 基础功能验证
不要相信简单的torch.cuda.is_available()，我遇到过返回True但实际无法计算的情况。建议运行完整测试脚本：
import torch print(f"PyTorch版本: {torch.__version__}") print(f"ROCM可用: {torch.cuda.is_available()}") print(f"设备数量: {torch.cuda.device_count()}") print(f"当前设备: {torch.cuda.current_device()}") print(f"设备名称: {torch.cuda.get_device_name(0)}") tensor = torch.randn(1000, 1000, device='cuda') print(f"矩阵乘法测试: {(tensor @ tensor.T).mean()}")正常应该输出张量计算结果而非报错。如果出现"HIP_ERROR_NoDeviceFound"，可能是环境变量配置有误。
4.2 性能优化实战
RX 6600在FP32模式下算力约5.2 TFLOPS，但默认配置可能达不到。通过以下设置可以提升20%性能：
torch.backends.cudnn.benchmark = True torch.backends.cudnn.enabled = True torch.backends.cuda.matmul.allow_tf32 = True对于大模型训练，建议在/etc/default/grub中添加：
GRUB_CMDLINE_LINUX="amdgpu.vm_fragment_size=9"然后执行sudo update-grub并重启。这个参数能显著减少显存碎片化问题。
5. 常见问题排坑指南
5.1 驱动加载失败处理
如果rocminfo报错"Failed to initialize ROCr"，可能是内核模块未加载。执行：
sudo modprobe amdgpu sudo modprobe gpu_sched sudo modprobe ttm检查模块状态：
lsmod | grep amd应该看到amdgpu、kfd等模块。如果缺失，尝试sudo apt install linux-modules-extra-$(uname -r)。
5.2 PyTorch与Python版本冲突
Python 3.9+可能会遇到hipBLAS错误，建议使用Python 3.8。用conda创建隔离环境最稳妥：
conda create -n rocm python=3.8 conda activate rocm如果出现"undefined symbol: rocblas_create_handle"，尝试：
pip uninstall -y torch torchvision pip cache purge pip install --force-reinstall torch==1.12.1+rocm5.4.26. 实际项目部署建议
在生产环境中，我习惯用Docker封装整个环境。AMD官方提供了rocm/pytorch镜像，但需要修改docker启动参数：
docker run -it --device=/dev/kfd --device=/dev/dri --security-opt seccomp=unconfined rocm/pytorch:latest对于多卡训练，需要额外设置：
export HIP_VISIBLE_DEVICES=0,1 torch.distributed.init_process_group(backend='nccl')最后提醒，如果长时间运行大规模训练，建议安装ROCm监控工具：
sudo apt install rocm-smi watch -n 1 rocm-smi这样可以实时查看显存占用、核心频率和温度情况。我在实际项目中用这套配置稳定运行了ResNet50、YOLOv5等模型的训练任务，batch size可以设到32（1080p输入尺寸下）
