众所周知，深度学习领域长期被 CUDA 统治。但随着 AMD ROCm 平台的成熟，以及性价比的诱惑，越来越多的炼丹师开始尝试“红队”方案。
作为远思技术实验室的基础设施之一，我在配置 PyTorch + ROCm 环境时遇到了不少坑，特此记录，希望能帮到后来人。
为什么选择 Docker？
直接在宿主机（Host）上安装 ROCm 驱动和编译器极易导致依赖地狱（Dependency Hell）。使用 Docker 可以将环境隔离，随时回滚，是最佳实践。
核心步骤
1. 基础镜像选择
不要尝试自己从 scratch 构建，直接拉取 AMD 官方提供的 PyTorch 镜像：
|
|