【免费下载】 AMD ROCm 项目下载及安装教程
2026-02-04 04:56:57作者:房伟宁
1、项目介绍
AMD ROCm(Radeon Open Compute)是一个开源的软件栈,主要用于图形处理单元(GPU)计算。ROCm 由一系列驱动程序、开发工具和 API 组成,支持从低级内核到最终用户应用程序的 GPU 编程。ROCm 特别适用于 GPU 加速的高性能计算(HPC)、人工智能(AI)、科学计算和计算机辅助设计(CAD)。ROCm 的核心是 AMD 的异构计算接口(HIP),这是一个开源的 C++ GPU 编程环境,允许开发者在不同平台上创建可移植的应用程序。
2、项目下载位置
ROCm 项目的源代码托管在 GitHub 上,可以通过以下链接访问并下载:
3、项目安装环境配置
3.1 系统要求
ROCm 支持特定的硬件和软件配置。以下是当前支持的硬件和操作系统:
- 硬件: 支持 AMD GPU(如 Radeon Instinct、Radeon Pro 和 Radeon VII)
- 操作系统: Ubuntu 20.04、Ubuntu 22.04、Ubuntu 24.04
3.2 安装依赖工具
在开始安装 ROCm 之前,需要安装一些必要的工具和依赖项。以下是安装步骤:
3.2.1 安装 repo 工具
repo 工具用于管理多个 Git 仓库。可以通过以下命令安装:
mkdir -p ~/bin/
curl https://storage.googleapis.com/git-repo-downloads/repo > ~/bin/repo
chmod a+x ~/bin/repo
3.2.2 安装 git-lfs
ROCm 项目中的一些文件使用 Git Large File Storage (LFS) 格式,因此需要安装 git-lfs。对于 Ubuntu 系统,可以使用以下命令安装:
sudo apt-get install git-lfs
3.3 环境配置示例
以下是配置环境的示例图片:

4、项目安装方式
4.1 下载 ROCm 源代码
使用 repo 工具下载 ROCm 源代码:
mkdir -p ~/ROCm/
cd ~/ROCm/
~/bin/repo init -u http://github.com/ROCm/ROCm.git -b roc-6.2.x
~/bin/repo sync
4.2 构建 ROCm 源代码
每个 ROCm 组件的仓库中都包含构建该组件的说明。以下是构建 ROCm 的一般步骤:
mkdir -p ~/WORKSPACE/
cd ~/WORKSPACE/
export ROCM_VERSION=6.2.2
~/bin/repo init -u http://github.com/ROCm/ROCm.git -b roc-6.2.x -m tools/rocm-build/rocm-$[ROCM_VERSION].xml
~/bin/repo sync
4.3 运行构建命令
选择 GPU 目标并运行构建命令:
export GPU_ARCHS="gfx940 gfx941 gfx942"
make -f ROCm/tools/rocm-build/ROCm.mk -j $[NPROC:-$(nproc)] rocm-dev
5、项目处理脚本
ROCm 项目包含多个处理脚本,用于自动化构建和安装过程。以下是一些常用的脚本:
5.1 install-prerequisites.sh
该脚本用于安装构建 ROCm 所需的依赖项。可以在以下路径找到:
ROCm/tools/rocm-build/docker/ubuntu20/install-prerequisites.sh
5.2 ROCm.mk
该脚本用于管理 ROCm 的构建过程。可以在以下路径找到:
ROCm/tools/rocm-build/ROCm.mk
通过这些步骤,您可以成功下载并安装 AMD ROCm 项目,并开始使用其强大的 GPU 计算功能。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
暂无简介
Dart
797
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
777
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271
React Native鸿蒙化仓库
JavaScript
308
359