看着最近内存的价格噌噌往上涨，越来越觉得去年买的迷你主机太香了。32g 内存、1T SSD，现在放在迷你主机上有些奢侈。

一台迷你主机能做什么？编译程序、玩3A 大作、跑本地大模型，样样都行

这款迷你主机配的是 AMD HX 365 CPU，带的虽然是核显，但性能并不弱。尤其是带有NPU单元，具有 50 TOPS 的算力。但直到现在，这台主机主要用来编译程序、办公，还没充分利用其AI算力。

最近在整理照片时，发现有些老照片像素比较低，就想着在本地部署一个AI大模型，进行AI高清放大。要让核显充分发力，AMD专属的ROCm AI计算平台必不可少。接下来这篇干货，就手把手教大家在deepin V25系统上安装ROCm，把迷你主机的AI算力彻底激活！

ROCm

ROCm（Radeon Open Compute Platform）是AMD打造的开源异构计算软件平台，专为释放GPU在AI与高性能计算（HPC）中的潜力而生。你可以把它理解为CUDA的开源替代方案。

重要的是，它以“打破厂商锁定、实现跨平台自由”为核心理念，重构了GPU计算的生态逻辑。通过关键组件HIP，开发者可编写单一代码库，同时兼容AMD与NVIDIA GPU，配合HIPIFY工具能快速转换CUDA代码，大幅降低迁移成本。   ROCm底层基于LLVM编译器构建，模块化设计让驱动、库与工具链可独立演进，支持从超算中心到边缘设备的全场景部署。更妙的是，兼容消费级Radeon显卡，包括集成显卡。

deepin v25 上安装AMD ROCm

一、准备工作

执行 uname -r 命令，确认内核版本为 6.10 以上。

$ uname -r
6.12.65-amd64-desktop-rolling

然后安装如下包：

sudo apt update
sudo apt install linux-headers-$(uname -r) python3-setuptools python3-wheel -y

二、安装 amdgpu-install 工具

wget https://repo.radeon.com/amdgpu-install/7.2/ubuntu/noble/amdgpu-install_7.2.70200-1_all.deb
sudo dpkg -i ./amdgpu-install_7.2.70200-1_all.deb -y

三、安装 ROCm（关键：加 --no-dkms）

修改 /usr/bin/amdgpu-install 脚本，将

ubuntu|linuxmint|debian)

修改成：

ubuntu|linuxmint|debian|deepin)

然后再执行如下命令：

amdgpu-install -y --usecase=rocm --no-dkms  # 必须--no-dkms，依赖内核内置驱动
sudo usermod -a -G render,video $LOGNAME    # 添加用户到GPU权限组
echo "export PATH=$PATH:/opt/rocm-7.2.0/bin" >> ~/.bashrc
source ~/.bashrc
sudo reboot  # 重启使权限与路径生效

四、重启后验证安装

• 检查 ROCm 识别 GPU：

uos@uos-imini-PC:~$ rocminfo | grep -i gfx
  Name:                    gfx1150                            
      Name:                    amdgcn-amd-amdhsa--gfx1150         
      Name:                    amdgcn-amd-amdhsa--gfx11-generic

gfx1155是 880M 对应架构

• 检查设备信息

$ rocm-smi


WARNING: AMD GPU device(s) is/are in a low-power state. Check power control/runtime_status

======================================== ROCm System Management Interface ========================================
================================================== Concise Info ==================================================
Device  Node  IDs              Temp    Power     Partitions          SCLK  MCLK  Fan  Perf  PwrCap  VRAM%  GPU%  
              (DID,     GUID)  (Edge)  (Socket)  (Mem, Compute, ID)                                              
==================================================================================================================
0       1     0x150e,   56408  34.0°C  7.048W    N/A, N/A, 0         N/A   N/A   0%   auto  N/A     23%    1%    
==================================================================================================================
============================================== End of ROCm SMI Log ===============================================

• 可选深度学习验证（PyTorch 示例）：

# 安装 python3 虚拟环境支持包
sudo apt install python3.12-venv -y
# 创建并激活虚拟环境
python3 -m venv rocm_env && source rocm_env/bin/activate
# 安装ROCm版PyTorch
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm7.1
# 验证GPU可用性
python3 -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

输出：

$ python3 -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"
True AMD Radeon 880M

到此，ROCm 计算平台就安装配置完成，并且可以被 PyTorch 这样的深度学习框架使用，接下来就可以部署本地大模型应用了。