WindowsでROCm 10.1を使う場合、作業の中心は対応GPU、Windows向けドライバー、SDKの配布方式を揃えることです。AMDの10.1導入ページはWindows向けにPythonパッケージとtarballを案内しています。ここではWindowsネイティブ環境での順序を整理し、WSL2を選ぶ場面も示します。

導入前の構成

AMDの互換性表でGPU名とOSを照合します。Radeon向けの10.1資料ではWindows 11 25H2が挙げられ、GPU製品ごとにgfxターゲットが記載されています。たとえばRadeon RX 9070 XTはgfx1201です。手元のGPUが異なるなら、パッケージ名のターゲット部分も対応する番号に変えます。

既存のHIP SDKや古いROCmを使ったPython環境があれば、同じ環境へ新旧パッケージを上書きで混ぜる方式は避けられます。AMDのインストール資料は、競合する旧Windows用HIP SDKの除去を事前作業に含めています。別のアプリが旧版を必要とするPCなら、Pythonの仮想環境を分ける方法が扱いやすいでしょう。

ドライバーとSDKの役割

AMDのWindowsドライバー公開情報はROCm 10.1向けAdrenalinの版数を示しています。ドライバーはWindowsとGPUをつなぐ側、ROCmのPythonホイールやSDKはアプリの実行に使うユーザー空間側です。片方だけ入れても目的のPyTorchコードがGPUで動く条件は揃いません。AMDの互換性表に載る組み合わせを選びます。

10.1ではLinuxのapt、Windowsのtarball、両OSのpipなど複数の方式があります。WindowsでPythonのAI開発をするなら、AMDの資料はpipを対象方式として掲載します。HIPを使うアプリを自分でビルドするなら、コンパイラーとヘッダーを含む開発用の構成が必要です。インストール方式の選択は、使うアプリの要件から決まります。

Python環境の作成

Python用のROCmを入れる場合、最初に対応Python版で仮想環境を作り、その環境でAMDが指定する10.1のホイールを導入します。公式導入ページにはrocm[libraries,device-gfx...]の構成例があります。librariesは機械学習向けのホストライブラリ、device-gfx...はGPU向けコードを選ぶための指定です。配布ページにはdevice-allもあり、複数GPU向けに広く含める選択肢となります。

PyTorchを使う場合は、ROCm本体に続きAMDのPyTorch導入資料にある検証済みの組み合わせを選びます。汎用のCPU向けtorchを別のインデックスから後で入れると、GPU向けビルドを置き換える原因になります。仮想環境を分けると、どのtorchが入っているかを追いやすくなります。

動作の確認

PyTorch導入後は、バージョン表示とGPUの列挙を確認します。PyTorchの公式資料はROCm版でもtorch.cuda.is_available()というAPIを使うと説明します。名称にcudaが含まれていても、このAPIはROCm版PyTorchのGPU利用確認にも使われます。Falseなら、GPU一覧、ドライバー、仮想環境内のホイール版の順に調べると原因を絞れます。

確認作業をアプリの起動だけで済ませると、CPUで動いている状態を見逃しやすくなります。PyTorchの認識確認を先に通してからComfyUIなどを導入すると、アプリ側の問題と基盤側の問題を分けられます。GPU確認の記事に具体的な確認項目をまとめています。

WSL2との経路の違い

Linux専用のパッケージやツールを使うなら、WSL2内のUbuntuにROCmを導入する経路があります。AMDは10.1のTheRock配布物によるWSL2実行を技術プレビューとして案内し、デバッグやKFD依存ツールには制限を示します。Windowsネイティブで使えるPyTorch環境と、WSL2のLinux環境はファイルもパッケージも別です。

Windowsの対象版の読み方

AMDのROCm 10.1向けAdrenalinドライバー公開情報には、Windows 10とWindows 11の表記があります。一方、ROCm Core SDKの互換性表でRadeon向けに示されるOSはWindows 11 25H2です。ドライバーのインストール対象と、ROCm 10.1の検証済みOSは範囲が異なります。ROCmを使う目的なら、SDKの互換性表にあるWindows版を基準に構成します。

Windows上で複数のPythonを入れている場合、python -m pipを使えば、指定したPythonへホイールを導入できます。仮想環境のPythonから同じ形式でpipを実行すると、アプリが起動する環境とパッケージの置き場所を揃えられます。導入後にtorch.__version__とtorch.version.hipを表示すれば、想定したGPU向けビルドが入ったかを確認できます。

まとめ

Windowsでは、GPUの対応表を基点に、OS、ROCm向けドライバー、SDK、目的のアプリを順に合わせます。AI開発ならPython仮想環境とPyTorchのGPU認識を先に完成させ、Linux向けアプリが必要ならWSL2の対応範囲を参照してください。