ROCmでAMD GPUのAI環境を作る｜10.1とLemonade更新の注意点

AMD GPUでAIを動かすには、GPU名だけでなく、OS・ドライバー・ROCm・利用するフレームワークの組み合わせを確認します。2026年10月14日時点のROCm Core SDKは10.1.0です。Linux、Windows、WSL2では利用できる機能と導入経路が違うため、「Ubuntuならすべて動く」「Windowsでは使えない」と一括りにはできません。

この記事は公式資料に基づく環境選びと更新手順です。当編集部による各GPUでの推論・学習ベンチマークは実施していません。掲載コードも動作確認用の例であり、性能や全モデルの動作を保証するものではありません。

最初に決めるのはGPUより実行環境

まず、画像生成、LLM推論、学習のどれを行うかを決めます。同じGPUでも、PyTorchの対応と、ComfyUIや推論エンジン全体の対応は別です。GPUのVRAM容量だけで購入を判断せず、使うアプリの対応表まで確認してください。

出発点はAMDの互換性マトリクスです。GPUのシリーズ名だけでなく正確な型番を探し、利用したいバージョンのOSとAIフレームワークまで照合します。見つからない組み合わせは、他のGPUの成功例で対応済みと判断しません。

編集部の判断として、初めて環境を作る場合は、目的のアプリが公式に案内する組み合わせを優先します。自由度の高い構成より、問題が起きたときに同じ条件で再現できる構成のほうが復旧しやすいためです。

ROCm 10.1で確認したい変更と制限

10.1.0は2026年10月5日公開です。注目すべきなのは、追加機能だけでなく既知の問題も同じリリースノートに記載されている点です。

修正の対象は特定の条件です。「Radeonならすべての学習が安定する」「新しい版ほど必ず速い」とは読み替えないでください。詳細と最新の既知問題はROCm 10.1.0リリースノートで確認できます。

TheRockのWSL2対応はU[bun](/glossary/bun-runtime)tu向けの配布物が対象で、RPMは対象外です。また、この技術プレビューではプロファイリング、デバッグ、KFDを使うツールに制限があります。Linuxネイティブと同じ診断環境を期待して移行すると、必要な解析ができない場合があります。

導入は公式の対応表から進める

インストール前に、現在のGPU型番、OS、カーネル、ドライバー、アプリ、Python環境を控えます。Linuxでは次のコマンドでOSとカーネルを確認できます。これは設定を変更しない確認です。

cat /etc/os-release
uname -r

そのうえでAMDのインストール入口から対象OSの手順を選びます。古い記事のリポジトリURL、パッケージ名、別バージョンのドライバーを混ぜないでください。Python環境も既存の作業環境と分け、アプリが要求するPyTorchなどの版を揃えます。

フレームワークの導入先はAMDのAIエコシステム案内から選べます。PyTorchが導入できたことと、[vLLM](/glossary/llm)、llama.cpp、ComfyUIなどが同じ構成で動くことは別に確認します。

既存環境を更新するときは、現在のパッケージ一覧や設定、モデル保存先を残し、元の環境を再現できる状態を作ります。ドライバーとROCmとアプリを一度に変えると原因を切り分けにくいため、変更する層と比較する処理を決めてから進めるのが編集部の推奨です。

PyTorchがROCmを認識しているか確認する

ROCm版PyTorchでもGPU確認には torch.cuda のAPIを使います。名前にcudaが含まれていても、それだけでNVIDIA向けの環境とは判断できません。HIP向けであることは torch.version.hip とあわせて確認します。

import torch

print("PyTorch:", torch.__version__)
print("HIP:", torch.version.hip)
print("GPU available:", torch.cuda.is_available())
if torch.cuda.is_available():
    print("GPU:", torch.cuda.get_device_name(0))

この例は、実際にアプリを起動するPython環境で実行します。HIPの情報がなくGPUも見えていない場合は、PyTorchの配布物や実行環境を先に確認してください。GPUが見えても、必要なモデルがメモリに収まることや、長時間安定することまでは分かりません。PyTorchのHIP向け説明も参照できます。

次は小さな処理で、結果の正しさ、メモリ使用量、処理時間を確認します。比較時はモデル、量子化、入力、コンテキスト長、バッチ数を固定してください。条件が異なるベンチマークの数値を、そのまま手元の速度予測には使えません。

Lemonadeを使っている場合の更新

Lemonade v2026.41.1ではROCmバックエンドがROCm 10へ移り、更新後に初めてROCmモデルを読み込む際、約2.6GBのランタイムをダウンロードすると案内されています。これはLemonade側の配布の話であり、手動で導入するROCm 10.1.0と同一の環境だと決めつけないでください。Lemonadeのリリース情報

更新前にはネット接続と空き容量を確認し、最初の起動時間を通常の推論速度として測らないようにします。ダウンロード中の待ち時間とモデル実行の不具合を区別することが、切り分けの第一歩です。

v2026.42.1のWindows対応とモデル名変更