AMD 7800xt + WSL2 + ROCm7.2.1 配置AI开发环境

WSL2 + Ubuntu 22.04 + ROCm 7.2.1 + Conda AI 开发环境配置

环境：Windows 11 + WSL2 + AMD Radeon RX 7800 XT（Adrenalin 26.2.2）+ ROCm 7.2.1 + PyTorch 2.9.1

前置条件

项目	要求
Windows 版本	Windows 11（WSL2 必需）
AMD 显卡驱动	Adrenalin Edition 26.2.2
WSL2	已启用
发行版	Ubuntu 22.04 LTS

第1步：安装 Ubuntu 22.04 WSL

在 Windows PowerShell / Terminal 中执行：

powershell 复制代码

wsl --install -d Ubuntu-22.04

安装完成后设置用户名和密码，然后进入 WSL：

powershell 复制代码

wsl -d Ubuntu-22.04

第2步：配置 apt 清华镜像源

bash 复制代码

# 备份原配置
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak.$(date +%Y%m%d)

# 写入清华镜像源
sudo tee /etc/apt/sources.list << 'EOF'
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
EOF

sudo apt update

第3步：安装基础依赖

bash 复制代码

sudo apt install -y \
    build-essential \
    cmake \
    git \
    wget \
    curl \
    gnupg2 \
    software-properties-common \
    libjpeg-dev \
    python3-dev \
    python3-pip \
    pkg-config \
    libnuma-dev \
    libdrm-dev \
    aria2

第4步：添加 ROCm 7.2.1 仓库

bash 复制代码

# 添加 AMD GPG 密钥
wget -qO - https://repo.radeon.com/rocm/rocm.gpg.key | sudo apt-key add -

# 添加 ROCm 7.2.1 仓库
echo 'deb [arch=amd64] https://repo.radeon.com/rocm/apt/7.2.1 jammy main' | sudo tee /etc/apt/sources.list.d/rocm.list

# 关键：设置 apt 优先级，强制使用 AMD 官方仓库
# （解决 Ubuntu universe 中旧版 ROCm 5.0.0 包冲突）
sudo tee /etc/apt/preferences.d/rocm-pin-1001 << 'EOF'
Package: *
Pin: origin repo.radeon.com
Pin-Priority: 1001
EOF

sudo apt update

第5步：安装 ROCm 7.2.1

bash 复制代码

sudo apt install -y rocm-dev rocm-libs

如果提示依赖冲突（如 rocm-cmake 5.0.0-1 冲突），使用显式版本安装：

bash 复制代码

sudo apt install -y \
    rocm-cmake=0.14.0.70201-81~22.04 \
    rocm-device-libs=1.0.0.70201-81~22.04 \
    rocm-utils=7.2.1.70201-81~22.04 \
    rocm-dev \
    rocm-libs

第6步：安装 librocdxg（WSL GPU 支持核心组件）

安装预编译 deb 包：

bash 复制代码

cd /tmp

# 下载预编译 deb 包
wget https://github.com/ROCm/librocdxg/releases/download/v1.1.2/rocdxg-roct_1.1.2_amd64.deb

# 安装
sudo dpkg -i rocdxg-roct_1.1.2_amd64.deb

# 修复可能的依赖
sudo apt --fix-broken install -y

第7步：配置环境变量

将以下内容追加到 ~/.bashrc：

bash 复制代码

cat >> ~/.bashrc << 'EOF'

# ROCm
export PATH=/opt/rocm/bin:/opt/rocm/hip/bin:$PATH
export HSA_ENABLE_DXG_DETECTION=1
EOF

source ~/.bashrc

HSA_ENABLE_DXG_DETECTION=1 是 WSL2 下 ROCm 识别 GPU 的必需变量。

第8步：验证 ROCm 安装

bash 复制代码

rocminfo | grep "Marketing Name"

预期输出 ：能看到你的 AMD GPU 型号（如 Radeon RX 7800 XTX）。

注意：rocm-smi 在 WSL2 下会报错 Driver not initialized (amdgpu not found)，这是正常现象 ，因为 WSL2 没有 Linux 内核 amdgpu 模块。GPU 状态请在 Windows 主机 上通过 Adrenalin 软件或任务管理器查看。

第9步：安装 Miniconda + 配置国内镜像

bash 复制代码

# 下载 Miniconda（清华镜像）
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh -O miniconda.sh

# 安装
bash miniconda.sh -b -p $HOME/miniconda3

# 初始化
~/miniconda3/bin/conda init bash
source ~/.bashrc

配置 Conda 清华镜像

bash 复制代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
conda config --set show_channel_urls yes

配置 pip 清华镜像

bash 复制代码

mkdir -p ~/.config/pip
cat > ~/.config/pip/pip.conf << 'EOF'
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn
EOF

第10步：创建 Conda 环境

bash 复制代码

conda create -n myenv python=3.10 -y
conda activate myenv

Python 3.10 是 PyTorch 2.9.1 官方支持的版本，无需更换。

第11步：安装 PyTorch 2.9.1 for ROCm 7.2

重要：PyPI (download.pytorch.org/whl/rocm7.2) 上没有 PyTorch 2.9.1，只有 2.11.0/2.12.0 nightly。必须从 AMD 官方仓库 下载预编译 whl。

下载 whl 包（使用 aria2c 多线程加速）

bash 复制代码

mkdir -p ~/pytorch_whl && cd ~/pytorch_whl

# 下载 torch 2.9.1（约 1.6GB）
wget https://repo.radeon.com/rocm/manylinux/rocm-rel-7.2/torch-2.9.1%2Brocm7.2.0.lw.git7e1940d4-cp310-cp310-linux_x86_64.whl

# 下载 torchvision 0.24.0（约 2.9MB）
wget https://repo.radeon.com/rocm/manylinux/rocm-rel-7.2/torchvision-0.24.0%2Brocm7.2.0.gitb919bd0c-cp310-cp310-linux_x86_64.whl

# 下载 torchaudio 2.9.0（约 487KB）
wget https://repo.radeon.com/rocm/manylinux/rocm-rel-7.2/torchaudio-2.9.0%2Brocm7.2.0.gite3c6ee2b-cp310-cp310-linux_x86_64.whl

# 下载 triton（PyTorch 需要，约 287MB）
wget https://repo.radeon.com/rocm/manylinux/rocm-rel-7.2/triton-3.5.1%2Brocm7.2.0.gita272dfa8-cp310-cp310-linux_x86_64.whl

本地安装

bash 复制代码

cd ~/pytorch_whl
pip install ./*.whl

版本对应关系（AMD 官方仓库）

包	版本	说明
torch	2.9.1	核心框架
torchvision	0.24.0	图像处理
torchaudio	2.9.0	音频处理
triton	3.5.1	PyTorch 编译优化（必需）

第12步：验证 PyTorch + GPU

bash 复制代码

python -c "
import torch
print(f'PyTorch版本: {torch.__version__}')
print(f'ROCm/HIP版本: {torch.version.hip}')
print(f'GPU可用: {torch.cuda.is_available()}')
print(f'GPU数量: {torch.cuda.device_count()}')
if torch.cuda.is_available():
    print(f'GPU名称: {torch.cuda.get_device_name(0)}')
    x = torch.rand(1000, 1000).cuda()
    y = torch.rand(1000, 1000).cuda()
    z = x @ y
    print('GPU 矩阵乘法测试通过')
"

预期输出：

复制代码

PyTorch版本: 2.9.1+rocm7.2.0.lw.git7e1940d4
ROCm/HIP版本: 7.2.xxxx
GPU可用: True
GPU数量: 1
GPU名称: AMD Radeon RX 7900 XTX
GPU 矩阵乘法测试通过

第13步：安装常用 AI 开发包（可选）

bash 复制代码

pip install numpy pandas matplotlib scikit-learn \
    transformers accelerate huggingface-hub safetensors \
    pillow opencv-python sentencepiece protobuf

附录 A：WSL 环境备份与恢复

备份（导出为 tar）

powershell 复制代码

# 停止 WSL（确保数据一致性）
wsl --shutdown

# 导出为 tar 文件
wsl --export Ubuntu-22.04 D:\WSL_Backups\ubuntu2204_rocm_backup.tar

恢复（从 tar 导入）

powershell 复制代码

# 导入为新发行版
wsl --import Ubuntu-22.04-Restore D:\WSL\Ubuntu-22.04-Restore D:\WSL_Backups\ubuntu2204_rocm_backup.tar

# 设置默认用户（否则进入是 root）
ubuntu2204.exe config --default-user xlrong

D:\WSL\Ubuntu-22.04-Restore 是新虚拟磁盘的存放目录，不是工作路径，可自定义为任意有空间的目录。

快速克隆（同一台机器）

powershell 复制代码

wsl --export Ubuntu-22.04 D:\WSL_Backups\base.tar
wsl --import Ubuntu-22.04-Clone D:\WSL\Clone D:\WSL_Backups\base.tar

附录 B：常见问题速查

Q1: `apt install rocm-dev` 报错依赖冲突（`rocm-cmake 5.0.0-1`）

原因：Ubuntu 22.04 universe 仓库自带旧版 ROCm 5.0.0，与 AMD 官方 7.2.1 冲突。

解决：添加 apt 优先级配置（见第4步），强制使用 repo.radeon.com 源。

Q2: `pip install torch==2.9.1` 在 PyPI 上找不到

原因：PyPI 的 whl/rocm7.2 索引只有 2.11.0/2.12.0 nightly，没有 2.9.1。

解决：从 AMD 官方仓库下载 whl（见第11步）。

Q3: `rocm-smi` 报错 `amdgpu not found`

原因：WSL2 是虚拟机，没有 Linux amdgpu 内核模块。

解决：这是正常的，用 rocminfo 和 PyTorch 验证 GPU 即可。

AMD 7800xt + WSL2 + ROCm7.2.1 配置AI开发环境

WSL2 + Ubuntu 22.04 + ROCm 7.2.1 + Conda AI 开发环境配置

前置条件

第1步：安装 Ubuntu 22.04 WSL

第2步：配置 apt 清华镜像源

第3步：安装基础依赖

第4步：添加 ROCm 7.2.1 仓库

第5步：安装 ROCm 7.2.1

第6步：安装 librocdxg（WSL GPU 支持核心组件）

第7步：配置环境变量

第8步：验证 ROCm 安装

第9步：安装 Miniconda + 配置国内镜像

配置 Conda 清华镜像

配置 pip 清华镜像

第10步：创建 Conda 环境

第11步：安装 PyTorch 2.9.1 for ROCm 7.2

下载 whl 包（使用 aria2c 多线程加速）

本地安装

版本对应关系（AMD 官方仓库）

第12步：验证 PyTorch + GPU

第13步：安装常用 AI 开发包（可选）

附录 A：WSL 环境备份与恢复

备份（导出为 tar）

恢复（从 tar 导入）

快速克隆（同一台机器）

附录 B：常见问题速查

Q1: apt install rocm-dev 报错依赖冲突（rocm-cmake 5.0.0-1）

Q2: pip install torch==2.9.1 在 PyPI 上找不到

Q3: rocm-smi 报错 amdgpu not found

参考文档

Q1: `apt install rocm-dev` 报错依赖冲突（`rocm-cmake 5.0.0-1`）

Q2: `pip install torch==2.9.1` 在 PyPI 上找不到

Q3: `rocm-smi` 报错 `amdgpu not found`