# Hello Rocm Quick Deploy

> P1 新用户闪电部署检查表 —— 最简路径跑通第一个模型

- Skill: `datawhalechina/hello-rocm-quick-deploy` (Agent Skill)
- Install (CLI): `npx skillmds@latest add datawhalechina/hello-rocm-quick-deploy`
- Raw SKILL.md: https://api.skillmd.com/api/skills/datawhalechina/hello-rocm-quick-deploy/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: DevOps & Infra
- Author: datawhalechina (https://skillmd.com/u/datawhalechina)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/datawhalechina/hello-rocm-quick-deploy

---


# 闪电部署：5 步跑通第一个模型

针对 P1（刚买 AMD 设备）用户的极简路径。只在用户说"我想最快跑起来"时触发。

## 检查表

| 步骤 | 做什么 | 参考文件 |
|------|--------|---------|
| 1 | 确认 GPU 架构与 ROCm pip 索引 | `docs/zh/00-environment/rocm-gpu-architecture-table.md` 或 `docs/en/00-environment/rocm-gpu-architecture-table.md` |
| 2 | 安装 ROCm / PyTorch（pip 方式，最简单） | `docs/zh/00-environment/index.md` / `docs/en/00-environment/index.md`，官方入口见 `docs/zh/04-references/index.md` 的“框架与推理服务” |
| 3 | 安装 LM Studio | `docs/zh/01-deploy/index.md` / `docs/en/01-deploy/index.md` |
| 4 | 下载 Gemma4 模型并加载 | 同上 |
| 5 | 开始对话 | 同上 |

## 验证命令

```bash
rocminfo          # 确认 GPU 被 ROCm 识别
rocm-smi          # 查看 GPU 状态（ROCm 7.14+ 已由 amd-smi 替代，旧版仍可用）
python -c "import torch; print(torch.cuda.is_available())"  # PyTorch 确认 ROCm 可用
```

## 注意

- Windows 用户：确保 ROCm 7.12+ 版本（支持 Windows）
- Linux 用户：推荐 Ubuntu 24.04
- 如果 LM Studio 不工作，回退到 Ollama：`docs/zh/01-deploy/index.md` / `docs/en/01-deploy/index.md`
- 需要查框架官方 ROCm 安装入口时，先看 `docs/zh/04-references/index.md` / `docs/en/04-references/index.md` 的“框架与推理服务”表。