对于广大AMD显卡用户而言，如何充分利用硬件性能运行AI模型一直是个挑战。这篇指南提供了一套在Windows系统上安装ROCm版PyTorch并部署ComfyUI的完整方案，旨在帮助用户绕开复杂配置，直接利用显卡原生算力体验AI图像生成的乐趣，大幅降低入门门槛。
智能速览
需根据显卡架构（如6000系选gfx103x）和Python版本下载对应PyTorch文件。
通过Conda环境，使用命令行可完成ROCm版PyTorch的安装。
在指定目录下执行命令即可安装ComfyUI及其依赖项。
遇到网络问题时，可通过指定镜像源加速依赖安装。
启动后在浏览器打开URL，加载模型即可验证生图速度。
精华内容
ROCm版本PyTorch是AMD显卡发挥AI算力的基础，正确安装和配置是高效运行ComfyUI等应用的前提。以下流程将分步拆解整个部署过程。
准备核心文件
部署的第一步是获取所需的软件包。需要从指定网盘下载ComfyUI的压缩包以及与自身环境匹配的PyTorch安装包。PyTorch的文件名包含关键信息，例如“3.12”代表Python版本，“gfx103X”则对应AMD RX 6000系列显卡的架构。务必根据自身配置下载正确的版本，通常需要准备7个文件以确保安装完整。
安装ROCm PyTorch
文件下载完成后，解压ComfyUI压缩包，并找到包含.whl和.tar.gz后缀文件的文件夹。在此处打开命令行工具（CMD），并确保系统已预先安装Conda或Miniconda环境。按照教程文档提供的命令，逐行输入并执行。这些命令会将下载好的PyTorch包安装到当前的Conda环境中，为后续的AI应用提供底层框架支持。
部署ComfyUI应用
PyTorch就绪后，继续部署ComfyUI。通过`cd`命令进入解压后的ComfyUI文件夹，再次依据教程文档输入命令来安装所有必要的依赖库。如果需要使用ComfyUI Manager进行节点管理，也可以按照相应的指引进行安装。若在安装依赖时因网络问题中断，可将命令中的下载源替换为国内镜像源，以提升下载速度和成功率。
启动与性能验证
所有依赖安装完毕后，执行启动命令。当终端中出现一个本地URL时，按住Ctrl键并点击该链接，系统会自动在浏览器中打开ComfyUI的Web界面。此时，可以下载一个AI模型，加载到工作流中，然后点击生成队列进行测试。通过观察生成图片的速度和GPU占用情况，可以直观验证ROCm环境是否成功搭建并发挥作用。
通过这套清晰的流程，AMD用户也能顺利搭建属于自己的AI图像生成环境，无需再羡慕N卡用户的便利。这不仅是一次软件部署，更是释放A卡潜能、开启AI创作新体验的起点。随着ROCm生态的不断完善，未来A卡在AI领域的表现是否会更值得期待？
关键评论
我是萌新，这是啥？能干嘛？我很好奇
大佬我好像弄好了，不开加速65s一张图，开启加速是57s一张图。
我是显卡6600，用rocm版光辉模型生成1024*1024的图片是3.6s/ti，用6.2.4+zluda生成同样图片是2.2s/ti。为什么速度会变慢呢？
今年研究生入学后打算买张卡玩，但是N卡实在太贵了，如果整9070xt的话，偶尔跑跑深度学习代码的性能怎样，大佬知道吗
