企业官网建设流程全解析

1. 为什么选择RX 6700 XT做深度学习？

最近两年AMD显卡在深度学习领域的存在感越来越强，特别是像RX 6700 XT这样的中高端消费级显卡，性价比相当突出。我自己用这张卡跑了几个月的模型训练，实测在Ubuntu系统下配合ROCm环境，性能表现完全不输同价位的N卡。

不过A卡的环境搭建确实比N卡麻烦一些，主要问题集中在驱动安装和ROCm生态适配这两个环节。很多新手第一次配置时容易踩坑，比如驱动版本不匹配、环境变量设置错误、PyTorch安装失败等等。下面我就把整个配置过程中需要注意的关键点都梳理出来，帮你一次性搞定所有问题。

2. 系统准备与驱动安装

2.1 选择合适的Linux发行版

目前ROCm对Ubuntu的支持最好，推荐使用20.04或22.04 LTS版本。我实测下来20.04的兼容性更稳定一些，特别是对于RX 6700 XT这种RDNA2架构的显卡。安装系统时记得选择"最小化安装"，避免不必要的软件包冲突。

装好系统后第一件事是更新软件源：

sudo apt update && sudo apt upgrade -y sudo apt install -y build-essential cmake git

2.2 安装AMD显卡驱动

AMD官方提供了两种驱动安装方式：

1. 开源驱动（amdgpu）
2. 闭源驱动（amdgpu-pro）

对于深度学习场景，建议使用闭源驱动。最新驱动可以在AMD官网找到，注意选择对应你显卡架构的版本。以RX 6700 XT为例：

wget https://repo.radeon.com/amdgpu-install/22.20/ubuntu/focal/amdgpu-install_22.20.50200-1_all.deb sudo apt install ./amdgpu-install_22.20.50200-1_all.deb sudo amdgpu-install --usecase=graphics,opencl --vulkan=pro --opencl=rocr

安装完成后重启系统，运行glxinfo | grep "OpenGL renderer"确认驱动加载正常。如果遇到依赖问题，可以尝试sudo apt --fix-broken install修复。

3. ROCm环境配置

3.1 安装ROCm工具链

ROCm是AMD的GPU计算平台，相当于NVIDIA的CUDA。安装时需要注意DKMS选项：

sudo amdgpu-install --usecase=rocm,hip,mllib --no-dkms

这里特别说明下--no-dkms参数：新版Ubuntu自带的内核已经包含必要模块，再装DKMS反而可能导致冲突。不过如果你需要多版本ROCm共存，就需要启用DKMS支持。

3.2 环境变量配置

安装完成后需要设置关键环境变量。编辑~/.bashrc文件添加：

export PATH=$PATH:/opt/rocm/bin export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/rocm/lib

对于RX 6700 XT（gfx1030架构），可能还需要设置：

export HSA_OVERRIDE_GFX_VERSION=10.3.0

不过这个设置不是必须的，建议先不设置，如果遇到问题再尝试添加。保存后执行source ~/.bashrc使配置生效。

3.3 验证ROCm安装

运行以下命令检查环境：

rocminfo # 查看GPU信息 hipconfig --full # 检查HIP配置

如果看到显卡信息正常输出，说明ROCm已经正确安装。常见问题处理：

1. 报错"librocblas.so找不到"：执行sudo ln -s /opt/rocm/lib/librocblas.so.0 /opt/rocm/lib/librocblas.so
2. 报错"SIGSEGV"：检查用户是否加入了video和render组：sudo usermod -a -G video $USER

4. PyTorch安装与测试

4.1 安装PyTorch for ROCm

PyTorch官方提供了ROCm专用版本，安装命令如下：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm5.4.2

注意这里的rocm5.4.2需要和你安装的ROCm版本对应。如果网络不稳定，可以考虑使用国内镜像源。

4.2 基础功能测试

启动Python解释器运行以下测试代码：

import torch print(torch.cuda.is_available()) # 应该返回True print(torch.rand(10,10).to('cuda')) # 测试张量计算

如果第一个命令返回False，说明PyTorch没有正确识别到GPU。常见解决方法：

1. 检查ROCm版本和PyTorch版本是否匹配
2. 确认环境变量设置正确
3. 尝试重新安装PyTorch

4.3 性能优化设置

为了获得最佳性能，建议进行以下调整：

1. 启用FP16计算：

torch.backends.cuda.matmul.allow_tf32 = True torch.backends.cudnn.allow_tf32 = True

2. 调整内存分配策略（在~/.bashrc中添加）：

export PYTORCH_HIP_ALLOC_CONF=garbage_collection_threshold:0.8

5. 常见问题解决方案

5.1 驱动兼容性问题

症状：系统卡死、黑屏、性能异常 解决方法：

1. 确保使用推荐的驱动版本
2. 检查/etc/default/grub中的启动参数是否包含amdgpu.runpm=0
3. 尝试禁用Wayland，改用Xorg显示服务器

5.2 ROCm运行时错误

症状：Process finished with exit code 139 (SIGSEGV) 解决方法：

1. 检查用户权限：groups | grep video
2. 尝试设置环境变量：export HSA_ENABLE_SDMA=0
3. 更新ROCm到最新版本

5.3 PyTorch训练异常

症状：Loss出现NaN、训练速度慢 解决方法：

1. 降低学习率
2. 尝试禁用混合精度训练
3. 检查数据加载是否正常：torch.utils.data.DataLoader的num_workers建议设为4-8

6. 实际项目部署建议

经过几个月的实际使用，我总结了几个提升稳定性的经验：

1. 监控GPU温度：RX 6700 XT的功耗墙设置比较保守，建议使用rocm-smi监控温度，必要时调整风扇曲线

2. 内存优化：对于大模型训练，可以启用虚拟内存：

sudo fallocate -l 32G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile

3. 定期维护：每月检查一次驱动和ROCm更新，及时修复安全漏洞

4. 备份环境：使用conda或docker保存可复现的环境配置，避免重装系统时从头再来