众所周知，a卡对于tensorflow gpu的支持很小，要想使用的话一般都得配n卡的电脑。而我只是感兴趣一个项目，想要跑出来一个模型，如果不用gpu加速，可能得跑一个月，所以不得不寻找在a卡上的解决方案。好在，终于找到了一个解决方案，虽然只是取巧，速度也不如正常n卡跑的快，但已经很不错了。
我的配置：显卡：RX 550所用系统：虚拟机ubuntu 18注：如果是虚拟机的话，最好分配3GB内存或以上，否则可能无法import tensorflow
a卡上支持的ROCm框架，暂时只支持ubuntu系统。如果你是windows系统，也可以安一个虚拟机，道理是类似的，我也是在虚拟机上跑的。用虚拟机进行下面教程的时候：会遇到无法导入显卡信息的bug，但是不影响训练情况。经过测试，我在虚拟机上训练的速度是之前在a卡上训练速度的四五倍，不知道安linux子系统是不是会再快一点，但我没做尝试。要注意，你的AMD显卡是否支持ROCm框架，请参考以下链接确定你的显卡是否支持。https://rocm.github.io/hardware.html 。还有你的工程如果不是python3.5/3.6,你也用不了此框架。
如果条件都符合，就可以开始愉快的安装了。（变通的法子就是费劲儿。。。）
更新系统
建议：把源换为国内的，比如阿里的，会快很多的。
sudo apt updatesudo apt upgrade
安装ROCm
添加ROCm库（没有这一步，会提示找不到 软件包）
wget -qO - /rocm/apt/debian/rocm.gpg.key | sudo apt-key add -sudo sh -c 'echo deb [arch=amd64] /rocm/apt/debian/ xenial main > /etc/apt/sources.list.d/rocm.list'
安装必要的软件包
sudo apt update && sudo apt install -y \build-essential \clang \clang-format \clang-tidy \cmake \cmake-qt-gui \ssh \curl \apt-utils \pkg-config \g++-multilib \git \libunwind-dev \libfftw3-dev \libelf-dev \libncurses5-dev \libpthread-stubs0-dev \vim \gfortran \libboost-program-options-dev \libssl-dev \libboost-dev \libboost-system-dev \libboost-filesystem-dev \rpm \wget
安装ROCm驱动
sudo apt update && \sudo apt install -y --allow-unauthenticated \rocm-dkms rocm-dev rocm-libs \rocm-device-libs \hsa-ext-rocr-dev hsakmt-roct-dev hsa-rocr-dev \rocm-opencl rocm-opencl-dev \rocm-utils \rocm-profiler cxlactivitylogger \miopen-hip miopengemm
提示：rocm-dkms这一步下载的非常的慢，也和你的网络状况相关，我下的时候慢的时候10几k，快的时候有200。一共大概要下载500m,耐心等待一下吧。
添加用户
sudo adduser $LOGNAME videosudo reboot
安装miniconda（体积小、方便）
在使用python时我们很多时候会用到conda，但是conda会改变python的一些配置。所以我们先安装conda，这样就不会出现在使用tensorflow时需要使用/usr/bin/python3这样的命令。
下载地址（64位）：https://mirrors.tuna./anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
cd 下载目录chmod +x ./Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-x86_64.sh
这一步安装的时候，会让你先阅读一个license，按enter到一个栏让你选择输入yes/no，当然选yes，然后进入下一步是选择安装路径，如果选择默认路径，就按enter，然后就会出现安装的信息，安装好之后会退出来。可以新建一个终端，验证一下是否安装成功：
conda -h#输出以下信息就是成功了usage: conda [-h] [-V] command ...conda is a tool for managing and deploying applications, environments and packages.Options:.....
ROCm版的tensorflow仅支持3.5和3.6，我的项目也是3.6的，所以需要新建一个环境。
conda install python=3.6
安装python相关的软件包
sudo apt update && sudo apt install -y \python3-numpy \python3-dev \python3-wheel \python3-mock \python3-future \python3-pip \python3-yaml \python3-setuptools
安装TensorFlow
pip3 install --user tensorflow-rocm -i https://pypi.tuna./simple
下载的速度很快。之后就可以验证是否成功了。
pythonimport tensorflow as tftf.__version__
如果import没报错，然后最后输出了tensorflow的版本，我的是1.14.1。说明一切顺利，可以愉快的开始玩耍了。
import tensorflow这一句我碰到了两个bug，给大家贴出来，避一避。
1.ImportError: librccl.so: cannot open shared object file: No such file or directory During handling of the above exception, another exception occurred:
解决：Google到的。输入以下命令，安装这些包。
sudo apt-get update && sudo apt-get install -y --allow-unauthenticated rocm-dkms rocm-dev rocm-libs rccl rocm-device-libs hsa-ext-rocr-dev hsakmt-roct-dev hsa-rocr-dev rocm-opencl rocm-opencl-dev rocm-utils rocm-profiler cxlactivitylogger miopen-hip miopengemm
2.terminate called after throwing an instance of ‘std::bad_alloc’ what(): std::bad_alloc 已放弃 (核心已转储)
解决：Google一下，你就知道。这句话的意思是虚拟机内存分配的不够，我原来只分配了2G的内存，加到3G以后，再import tensorflow就好用啦。
希望这个教程能帮助到大家，也希望大家都可以用a卡跑gpu。更简单的方法还是换电脑啊。。。。
给大家推荐一个非常好的科研网站可以使用免费Web of Science、zhi网、IEEE、EI等账号。亲测好用。这个网站拥有众多的数据库，法律的、医学的、工科的，等等。
感谢大家的时间，并希望以上的内容会对大家有所帮助。
欢迎大家访问我的博客
如果觉得《tensorflow在AMD上用ROCm框架实现GPU训练（亲测有效）》对你有帮助，请点赞、收藏，并留下你的观点哦！
