NVIDIAなしのAMD統合GPU（iGPU）で ComfyUI や PyTorch を回していると、次のようなエラーで止まりがちです。

RuntimeError: CUDA out of memory. Tried to allocate 2.50 GiB.
GPU has 8.00 GiB total capacity; 6.20 GiB is already allocated;
0.50 GiB is free.

ここで混乱しやすいのは次の2点です。

ROCmなのにメッセージが CUDA
VRAMを増設できないのに「GPUメモリ不足」と言われる

この記事は、選択肢の全体地図ではなく、メモリ不足の切り分けだけに絞ります。検証の背景は Ryzen AI Max+ 395 / Radeon 8060S 系（大容量メモリ＋UMA）です。

結論（先に）

やりたいこと	まず疑うこと
`CUDA out of memory`	UMA（GPU用に予約した枠）が足りないか、解像度・モデルが大きすぎる
Windows全体が重い／落ちる	UMAを上げすぎてアプリ用RAMが足りない
両方交互に起きる	モデル・解像度を下げる／同時起動を減らす

統合GPUでは、GPU用とアプリ用が同じ物理メモリを分け合います。片方を増やせば、もう片方が減ります。

なぜ「CUDA」と出るのか

ROCm環境でも、PyTorch側のエラー表記は歴史的に CUDA out of memory のままのことが多いです。
「CUDA非対応だから失敗した」という意味ではありません。 「GPU用に確保したプールが足りない」と読んでください。

UMAとは（最小限）

システムメモリ（例: 128GB）
├─ GPU用（UMA Frame Buffer）← モデル・テンソル（PyTorchから見える側）
└─ アプリ用                ← Windows・ブラウザ・LM Studio本体など

BIOSの UMA Frame Buffer Size で、GPU側に何GB予約するかを決めます。
専用グラボのVRAMと違い、物理DIMMを差し増しする話ではありません。

不足は3パターン

パターン	症状のイメージ	対処の方向
GPU用不足	`CUDA out of memory`	UMAを増やす／モデル・解像度を下げる
アプリ用不足	全体が重い、クラッシュ、ブラウザが死ぬ	UMAを減らす／他アプリ終了
両方不足	上の症状が交互	そもそも欲張りすぎ。同時起動をやめる

「UMAを最大まで上げれば勝ち」ではありません。128GB機でUMAを極端に上げると、アプリ用が枯渇して別の地獄になります。

用途別の目安（出発点）

実機では用途でUMAを切り替える運用が現実的です。数字は出発点であり、機種・同時起動で前後します。

画像生成寄りの例

用途	システムメモリの目安	UMAの出発点
基本（SD 1.5・512前後）	64GB〜	16GB
高め（SDXL・768前後）	128GB寄り	32GB
さらに重い	128GB	32〜64GB（様子を見る）

LLM寄りの注意

大きいモデルを載せるときもUMAは効きますが、上げすぎるとロードがハングするケースがあります（「大きいほど良い」ではない）。
「載らないからUMAを上げる」→「上げたら固まる」になったら、一度下げて再試行し、モデルサイズやオフロード設定も疑ってください。

切り分けチェックリスト

エラーが出たら、設定をいじる前にこの順で確認します。

他に重いアプリがいないか（ブラウザ大量タブ、別の生成AI、別LLM）
解像度・バッチ・モデル規模を一度下げる（まず動かす）
いまのUMAは何か（BIOSの値をメモ）
空きRAMは残っているか（タスクマネージャーの「利用可能」）
まだGPU側が足りないなら UMAを一段上げる（上げすぎ注意）
全体が重いなら UMAを一段下げる

PowerShellで空きメモリ（Available）のざっくり確認例:

Get-Counter '\Memory\Available MBytes'

出てくる数値は MB です。例: 34285 → 約 33.5GB。
UMAを大きく取っていると、この「アプリ用に空いている量」は当然減ります。

PyTorch側（GPUプール内）の確認例:

import torch
print(torch.cuda.is_available())
if torch.cuda.is_available():
    print(f"Allocated: {torch.cuda.memory_allocated(0) / 1024**3:.2f} GB")
    print(f"Reserved:  {torch.cuda.memory_reserved(0) / 1024**3:.2f} GB")

タスクマネージャーの「メモリ」と、ここの Allocated は見ている場所が違います。混同しないこと。

よくある誤解

誤解	実際
CUDAと出た＝NVIDIAが必要	ROCmでも表記がCUDAのことがある
UMA最大＝最強	アプリ用が死ぬ／ロードハングもありうる
メモリ総量だけ見ればよい	GPU用とアプリ用の配分が見えないと詰まる
画像とLLMを同時に全力	統合GPUでは衝突しやすい。片方可通してから

次の一歩

選択肢の全体地図（ROCm / DirectML、ComfyUI、LM Studioの位置づけ）:
AMD統合GPUでローカルAIを動かす選択肢まとめ（Zenn）
手順・BIOS・トラブル全集を一冊で（有料）:
EVO-X2で始めるローカルAI実践ガイド（Zenn本）

この記事は「メモリで止まったときの切り分け」専用です。環境構築の全手順は本編側にあります。

まとめ

AMD統合GPUの OOM は、まず UMA配分 と 解像度・モデル規模 を疑う
メッセージの CUDA は、多くの場合 表記の話
UMAは上げるだけでなく、下げてアプリ用を守る判断も必要
同時に全部を最大設定にしない

切り分けができれば、「環境が壊れた」と思っていた事象の半分は、配分の問題に見えてきます。