# 2026 AMD 780M 跑 Pytorch on Windows (ROCm) 主hack：https://github.com/likelovewant/ROCmLibs-for-gfx1103-AMD780M-APU ZLUDA（fork）：https://github.com/lshqqytiger/ZLUDA 亦可参考：https://github.com/likelovewant/ROCmLibs-for-gfx1103-AMD780M-APU/wiki/Training-Flux-LoRA-Models-with-FluxGym,-Zluda,-and-ROCm-on-Windows/f5f9f4a9604801e74007418e622b24ba78a520ce 记得把`%HIP_PATH%\bin`加入`%PATH%` 首次运行每个算子，ZLUDA都会有一个缓存预计算过程，会很慢是正常的。 如果程序卡在最后退不出来，可以`os.system(f"taskkill /F /PID {os.getpid()}")` ## Debug实记 用[Dependencies.exe](https://github.com/lucasg/Dependencies)确定每个dll的依赖关系，确保驱动正确、hack正确。 如果跑不起来或结果不正确，考虑清理ZLUDA缓存文件夹（`%LOCALAPPDATA%\ZLUDA`），然后再考虑重装驱动。如果某次掉驱后出现同样问题，方法一致。 ROCm本身的DEBUG可以用`$env:AMD_LOG_LEVEL`，见https://rocm.docs.amd.com/projects/HIP/en/latest/reference/env_variables.html 以调试为目的时，写测试用Python固然有用，但为了确定底层问题也可以考虑使用`hipcc`编译一些c++测试程序。 **由于是接显示器的卡，别跑太满，以防掉了影响工作效率。** ---- 780M的内部架构编号是gfx1103，查资料可知这个型号是不在AMD ROCm for Windows官方支持行列的，因此基于AMD官方支持编译出的Pytorch（还有其他如Ollama等）也自然不能用。这相当于是同时要越过“Applications for ROCm on Windows”和“ROCm for gfx1103”两道坎。