Windows上原生运行ROCm(TheRock)

做 AI 任务时，AMD 平台想要硬件加速，通常离不开 ROCm。
问题是：AMD 官方长期主推 Linux 方案，Windows 侧体验并不完整。

目前官方在 Windows 上主要给出两条路：

• 用 WSL 跑 Linux，再在子系统里安装 ROCm
  How To Run AMD ROCm™ Software in Windows 11
• 直接使用 Windows 下的 HIP SDK（它只是 ROCm 体系的一部分，能力不等于完整 ROCm）
  AMD HIP SDK for Windows

如果你和我一样，希望尽量“原生 Windows + 尽量完整能力”，那可以看看社区项目 TheRock：

• ROCm/TheRock: The HIP Environment and ROCm Kit - A lightweight open source build system for HIP and ROCm
  

这个项目还在快速迭代阶段，不算成熟，但已经覆盖了一些关键能力，例如：

• Windows 支持
• 对 780M 核显的支持（稳定性仍有波动）

下面记录我在 Windows + 780M 环境下的最小可用安装流程。

1. 准备 Python 环境

建议先做环境隔离（venv、conda、mamba 均可），避免污染全局环境。

说明：下面命令针对 780M（gfx110X）对应源，其他显卡请按 TheRock 文档调整索引地址。

2. 安装 PyTorch（TheRock Nightly 源）

TheRock提供了ROCm环境，理论上，如果需要运行基于ROCm环境的程序，例如pytorch，需要自行构建对应版本pytorch，但好在TheRock已经提供了构建好的pytorch包，直接下载就行了：

pip install --index-url https://rocm.nightlies.amd.com/v2/gfx110X-all/ torch torchaudio torchvision

安装完成后即可进行验证。
注：在这个安装过程中，会自动下载TheRock rocm-sdk-core，也就是ROCm的核心运行时，不需要额外手动操作。
如果需要完整的ROCm开发环境，可以执行：

pip install --index-url https://rocm.nightlies.amd.com/v2/gfx110X-all/ "rocm[libraries,devel]"

3. 验证 ROCm 设备识别

是的，已经安装完成了，就是这么简单，不需要额外步骤，TheRock ROCm环境只是下载python包就可以实现！

import torch

print(torch.cuda.get_device_name(0))
print(torch.cuda.device_count())

# 预期示例
# AMD Radeon(TM) 780M
# 1

ComfyUI扩散模型图像推理也可以正常使用。

4. 已知问题与使用建议

这套方案的优点是上手简单、Windows 原生可用；但缺点同样明显：

• 兼容性和稳定性仍在发展中
• 不同项目表现差异较大

我的实测里，780M 在部分 PyTorch 训练任务中会报错

总结

在 Windows 上“原生使用 ROCm”这件事，TheRock 提供了一个可落地的社区路径。
对于 780M 用户来说，它已经能跑通基础推理/加速流程。
如果你是尝鲜或轻量使用，这条路值得试。