作为一个并不上进的带学生，在听说隔壁人工智能专业寒假有旁听网课时，我便立刻报名参加并顺利通过了申请。但这门课有个很坑的地方：设备必须自带。想起我那跑ai绘画分辨率一拉高都能崩的垃圾电脑，在得到家人支持后，我便开始了服务器的组建。
最开始的配置是这样的：
但当配置确定下来没几天后，也许是家里人被我并不存在的上进心感动了，把服务器的配置全面升级了一番：
不过伴随配置升级带来的兴奋感还没到半天，家里人就表示配置可能要”稍微”降级一下。虽然我对此表示情绪稳定，但在了解实际配置后我的情绪马上就不稳定了：CPU确实是稍微降级了一点，变成了13600KF，少了4个大核，不过价格降了不少，还能说是因为性价比。至于显卡方面，则是换成了AMD的MI50运算卡。
虽然我没研究过深度学习，但我对AMD玄学兼容性的恶名早有耳闻，不由得犹豫了起来。但在我稍微百度了一遍后，发现AMD早在几年前就发布了ROCm技术以对标CUDA。看着描述里的“支持pytorch和tensorflow”，我便开始动心了，马上就同意了换成A卡。在现在领会到AMD的恶名后，我发现这真是我做过最后悔的决定。
铺垫的已经够了，废话少说，下面是完整折腾过程：
在安装驱动时，我本来还不以为意：这有什么难的？但在安装过程中，我足足换了大概3个系统：
而在折腾过程中，我也是足足掉进了不少坑里，也积累了不少经验，下面就按时间顺序总结一下：
1.系统最高只支持Ubuntu 22.04。为什么这点如此重要呢？因为AMD提供的ROCm安装程序依赖库及其老旧，高版本apt源并没有这类依赖库，因此会报无法安装。
2.在使用amdgpu-install安装时，必须要带上—no-dkms参数，因为默认的dkms模式会将驱动安装至内核，而由于只支持4.x版本的老旧内核，因此在较新的内核安装时会遇到dkms一直提示无法安装的情况。
3.一定不要用Windows，因为ROCm并不支持Windows使用，意味着你只能用这张卡打游戏以及跑渲染和剪辑。
遇到的这些坑虽然看起来很少，但我却研究了好几天才成功，只能说AMD在深度学习方面打不过N不是没用原因的。
当你看到这里时，我终于安装成功了。在google以及amd官方人员的帮助下，我终于装好了显卡驱动并成功运行了ai-benchmark。
以下是安装时用到的教程链接：
https://askubuntu.com/questions/1429376/how-can-i-install-amd-rocm-5-on-ubuntu-22-04 https://github.com/RadeonOpenCompute/ROCm/issues/1852#event-7730462672
以下是当前系统概览：
当我折腾完这一切后，再回过头看，发现我的努力并没有白费：这张卡的ai-benchmark分数在P100和3070之间，而这两张卡价格都远超现在的这一张。再加上16G显存，在性价比方面的确有更为显著的优势。
要是AMD能够完善相关驱动支持的话，我觉得A卡还是很值得买的，性价比方面的巨大优势的确吸引了我这类穷学生。换个方面说，多亏了AMD，我总算用上了便宜的N卡和IU（逃）。
2022.11.15
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。