<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
    <channel>
        <title>ROCm on 远思码技术实验室</title>
        <link>https://yuansima.com/tags/rocm/</link>
        <description>Recent content in ROCm on 远思码技术实验室</description>
        <generator>Hugo -- gohugo.io</generator>
        <language>zh-cn</language>
        <lastBuildDate>Sun, 15 Feb 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://yuansima.com/tags/rocm/index.xml" rel="self" type="application/rss+xml" /><item>
        <title>拥抱红队：Docker 下 PyTorch ROCm 深度学习环境避坑指南</title>
        <link>https://yuansima.com/p/pytorch-rocm-setup/</link>
        <pubDate>Sun, 15 Feb 2026 00:00:00 +0000</pubDate>
        
        <guid>https://yuansima.com/p/pytorch-rocm-setup/</guid>
        <description>&lt;p&gt;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。&lt;/p&gt;
&lt;p&gt;作为远思技术实验室的基础设施之一，我在配置 &lt;strong&gt;PyTorch + ROCm&lt;/strong&gt; 环境时遇到了不少坑，特此记录，希望能帮到后来人。&lt;/p&gt;
&lt;h2 id=&#34;为什么选择-docker&#34;&gt;为什么选择 Docker？
&lt;/h2&gt;&lt;p&gt;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。&lt;/p&gt;
&lt;h2 id=&#34;核心步骤&#34;&gt;核心步骤
&lt;/h2&gt;&lt;h3 id=&#34;1-基础镜像选择&#34;&gt;1. 基础镜像选择
&lt;/h3&gt;&lt;p&gt;不要尝试自己从 scratch 构建，直接拉取 AMD 官方提供的 PyTorch 镜像：&lt;/p&gt;
&lt;div class=&#34;highlight&#34;&gt;&lt;pre tabindex=&#34;0&#34; style=&#34;color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;&#34;&gt;&lt;code class=&#34;language-bash&#34; data-lang=&#34;bash&#34;&gt;&lt;span style=&#34;display:flex;&#34;&gt;&lt;span&gt;docker pull rocm/pytorch:latest
&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;</description>
        </item>
        
    </channel>
</rss>
