LinuxではAMDのグラフィックボードでPytorchが動くようになってきています。では、Windowsではどうでしょう？　実際のところ、Windows上ではROCmが部分対応の状況でまだ制約があるようです。それでも、ごく簡単な学習までは動いたので、その手順を記します。

この手順は AMD Software: PyTorch on Windows Edition 7.1.1 を前提に、Python venv で PyTorch（ROCm SDK 7.1.1）を導入し、動作確認（テスト #1〜#4）まで行うまとめです。

0. 前提（重要）

ドライバー要件：PyTorch on Windows 7.1.1 では Graphics driver 25.20.01.17 が必須
Python：ROCm Windows wheels は Python 3.12（cp312）前提
DataLoader：安定性のため、まず pin_memory=False をデフォルト推奨
- pin_memory は転送高速化（pinned memory）に有効だが、環境によっては終了時の挙動に影響することがあるため、まず安定側で固める

1. 既存の AMD ドライバー / AMD Software を外す（推奨）

1-1) 通常のアンインストール

Windows 設定 → アプリ → インストールされているアプリから AMD Softwareをアンインストール
再起動

1-2) 問題が残る場合は AMD Cleanup Utility

AMD Cleanup Utility を使う（セーフモード推奨）
実行後に再起動

2. AMD Software: PyTorch on Windows Edition 7.1.1 をインストール

AMD公式の PyTorch on Windows Edition 7.1.1 をインストール
この段階で「Driver Version」が 25.20.01.17 になっていることが前提

確認の目安：AMD Software の「Settings → System → Software」等で Driver Version を確認。

3. Python 3.12 + venv を作成

PowerShell 例：

py -3.12 -m venv .venv
.\.venv\Scripts\activate
python -V   # 3.12.x を確認
python -m pip install -U pip

4. PyTorch（ROCm SDK 7.1.1）を pip で導入

ROCm docs の「Install PyTorch via PIP」に沿って導入します。

# ROCm SDK components
pip install --no-cache-dir `
  https://repo.radeon.com/rocm/windows/rocm-rel-7.1.1/rocm_sdk_core-0.1.dev0-py3-none-win_amd64.whl `
  https://repo.radeon.com/rocm/windows/rocm-rel-7.1.1/rocm_sdk_devel-0.1.dev0-py3-none-win_amd64.whl `
  https://repo.radeon.com/rocm/windows/rocm-rel-7.1.1/rocm_sdk_libraries_custom-0.1.dev0-py3-none-win_amd64.whl `
  https://repo.radeon.com/rocm/windows/rocm-rel-7.1.1/rocm-0.1.dev0.tar.gz

# torch / torchvision / torchaudio (PyTorch 2.9 + ROCm SDK 7.1.1)
pip install --no-cache-dir `
  https://repo.radeon.com/rocm/windows/rocm-rel-7.1.1/torch-2.9.0+rocmsdk20251116-cp312-cp312-win_amd64.whl `
  https://repo.radeon.com/rocm/windows/rocm-rel-7.1.1/torchaudio-2.9.0+rocmsdk20251116-cp312-cp312-win_amd64.whl `
  https://repo.radeon.com/rocm/windows/rocm-rel-7.1.1/torchvision-0.24.0+rocmsdk20251116-cp312-cp312-win_amd64.whl

4-1) インストール後の簡易確認（推奨）

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

注意：torchvision / torchaudio の導入時に pip が依存解決で CPU版 torch を上書きしてしまうケースが報告されています。
期待：2.9.0+rocmsdk... / 実際：2.9.1+cpu のように変わる場合は再導入を検討。

5. 動作確認（テスト #1〜#4）

テスト #1：GPU認識

python -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

期待例：

True
AMD Radeon(TM) 8060S Graphics

テスト #2：行列積（GEMM）

rocm_test2.py

import time, torch

assert torch.cuda.is_available()
x = torch.randn(4096, 4096, device="cuda", dtype=torch.float16)
torch.cuda.synchronize()
t0 = time.time()
y = x @ x
torch.cuda.synchronize()
print("ok", y.shape, "sec", time.time() - t0)

テスト #3：Conv2d

rocm_test3.py

import torch
import torch.nn as nn

m = nn.Conv2d(64, 128, 3, padding=1).cuda().half()
x = torch.randn(32, 64, 64, 64, device="cuda", dtype=torch.float16)
y = m(x)
torch.cuda.synchronize()
print(y.shape)

テスト #4：CIFAR-10 学習（スモーク：短め）

初回は CIFAR-10 の ダウンロードが走るため遅く見えることがあります
終了しない問題が出た場合は、データセットで pin_memory=True していないか確認。 pin_memory=False で運用

rocm_test4.py

import time
import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms
from torch.utils.data import DataLoader

device = "cuda" if torch.cuda.is_available() else "cpu"
print("device:", device)
if device == "cuda":
    print("gpu:", torch.cuda.get_device_name(0))

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5)),
])

train_ds = datasets.CIFAR10(root="./data", train=True, download=True, transform=transform)
test_ds  = datasets.CIFAR10(root="./data", train=False, download=True, transform=transform)

# 安定優先：pin_memory=False
train_loader = DataLoader(train_ds, batch_size=128, shuffle=True, num_workers=0, pin_memory=False)
test_loader  = DataLoader(test_ds,  batch_size=128, shuffle=False, num_workers=0, pin_memory=False)

model = nn.Sequential(
    nn.Conv2d(3, 32, 3, padding=1), nn.ReLU(),
    nn.Conv2d(32, 64, 3, padding=1), nn.ReLU(),
    nn.MaxPool2d(2),
    nn.Conv2d(64, 128, 3, padding=1), nn.ReLU(),
    nn.MaxPool2d(2),
    nn.Flatten(),
    nn.Linear(128*8*8, 256), nn.ReLU(),
    nn.Linear(256, 10),
).to(device)

opt = optim.Adam(model.parameters(), lr=1e-3)
crit = nn.CrossEntropyLoss()

# train (short)
model.train()
t0 = time.time()
for step, (x, y) in enumerate(train_loader, start=1):
    x, y = x.to(device), y.to(device)
    opt.zero_grad(set_to_none=True)
    out = model(x)
    loss = crit(out, y)
    loss.backward()
    opt.step()
    if step % 50 == 0 or step == 1:
        acc = (out.argmax(1) == y).float().mean().item()
        print(f"epoch 1 step {step} loss {loss.item():.4f} acc {acc*100:.1f}%")
    if step >= 350:  # 短めに切る（必要なら外す）
        break

if device == "cuda":
    torch.cuda.synchronize()
print(f"train done: {time.time()-t0:.1f}s")

# eval (short)
model.eval()
correct = 0
total = 0
with torch.no_grad():
    for step, (x, y) in enumerate(test_loader, start=1):
        x, y = x.to(device), y.to(device)
        out = model(x)
        pred = out.argmax(1)
        correct += (pred == y).sum().item()
        total += y.numel()
        if step >= 50:
            break
print(f"eval (first 50 batches): acc {100.0*correct/total:.2f}%")
print("OK")

6. 参考リンク（公式・一次情報中心）

AMD：PyTorch on Windows Edition 7.1.1 Release Notes
ROCm Docs：PyTorch via PIP installation（Windows）
AMD：AMD Cleanup Utility（セーフモード推奨の記載あり）
PyTorch Docs：pinned memory / non_blocking の解説（チュートリアル）
AMD: PyTorch on Windows Edition 7.1.1 Release Notes: https://www.amd.com/en/resources/support-articles/release-notes/RN-AMDGPU-WINDOWS-PYTORCH-7-1-1.html
ROCm Docs: PyTorch via PIP installation (Windows): https://rocm.docs.amd.com/projects/radeon-ryzen/en/latest/docs/install/installryz/windows/install-pytorch.html
AMD: AMD Cleanup Utility: https://www.amd.com/en/resources/support-articles/faqs/GPU-601.html
PyTorch Tutorial: pin_memory() and non_blocking: https://docs.pytorch.org/tutorials/intermediate/pinmem_nonblock.html
ROCm issue: pip resolver may overwrite ROCm torch with CPU torch: https://github.com/ROCm/ROCm/issues/5733