ドキュメント、トレーニング、ウェビナー、最新ブログなど、ROCm™ の開発者向けリソースはすべてここから入手できます。

AMD ROCm

AMD ROCm ソフトウェアとは: AMD GPU でのプログラミング

ROCm は、AMD GPU 上でのプログラミングのためのドライバー、ライブラリ、および開発者ツールを備えた、本番運用レベルのオープンなソフトウェア プラットフォームです。

HPC ワークロードと AI ワークロードをサポートし、開発者は PyTorch などの使い慣れたフレームワークを使用して大規模にモデルをトレーニングおよび提供できます。

ROCm Optimized GPU Software Stack

最新情報

AMD AI プレイブックを使って AI ワークロードをローカルで実行

AMD AI プレイブックは、AMD クライアント プラットフォームのローカルで実行する推論、ファインチューニング、エージェント ワークフロー、分散推論を網羅した無料の手順ガイドです。AMD Ryzen™ AI Halo には ROCm サポートがあらかじめ設定されているため、プレイブックがあれば、クラウドに依存せずに、すぐにワークロードを実行できます。

ROCm で開発を開始

Close-up of a data center with glowing lights

HPC アプリケーションを開発

AMD Instinct GPU によるハイパフォーマンス コンピューティング

ワークロードに最適な GPU を見つける

AMD Instinct GPU は、AI モデルのトレーニング、大規模推論サービスの実行、HPC シミュレーション用に構築されています。

AMD Radeon GPU は、AI を活用したゲーミング、リアルタイム グラフィックス、クリエイティブ ワークフロー、ローカル LLM 向けに設計されています。

AMD GPUs for AI: How to Choose infographic

コード変更なし/ほとんどなしで CUDA から ROCm に移行

コードを変更することなく、AMD GPU で多くのワークロードを実行できます。変更が必要な場合は、HIPIFY ツールを使用して既存の CUDA コードを ROCm 互換 HIP コードに変換し、中断を最小限に抑えることができます。

Move from CUDA to ROCm with Few to No Code Changes infographic

AI 開発者プログラムに参加しましょう

無料で得られる AMD Developer Cloud クレジット、限定トレーニング、毎月の AMD GPU 懸賞、AI 開発作業をサポートするコミュニティ サポートにアクセスできます。

よくある質問 (FAQ)

ROCm と CUDA はいずれも GPU でのプログラミングのためのプラットフォームですが、アプローチが異なります。

ROCm は完全なオープンソースの本番環境対応ソフトウェア スタックであり、広範な AMD GPU との互換性があります。強力なツールや AI モデルに加え、PyTorch、TensorFlow、JAX などのフレームワークをサポートしています。このプラットフォームは、特定の環境や要件に合わせてカスタマイズ、変更、最適化できる柔軟性を備えており、活発なオープン エコシステムによってサポートされているため、イノベーションの迅速化に役立ちます。

CUDA は NVIDIA 独自のプラットフォームであり、NVIDIA のハードウェアと緊密に統合されています。CUDA は成熟していますが、そのクローズド エコシステムにより、開発者のロックインが生じ、選択肢が制限される可能性があります。

多くの AMD Instinct GPU、AMD Radeon GPU、および一部の AMD Ryzen™ AI プロセッサの iGPU は、ROCm ソフトウェアと互換性があり、開発者に幅広い選択肢を提供します。演算およびグラフィックス ワークロードに関する GPU の互換性の詳細については、次のマトリックスを参照してください。サポートされているオープンソース フレームワーク、ライブラリ、ツール、システム要件も記載されています。

互換性マトリックス: ROCm 演算ワークロード向けの Instinct および Radeon >

互換性マトリックス: ROCm グラフィックス ワークロード向けの Radeon および Ryzen >

ROCm は主に GPU アクセラレーションによる AI および HPC ワークロードに使用され、特に深層学習トレーニング、ファインチューニング、および PyTorch、TensorFlow、JAX などのフレームワークでの推論に使用されます。
主なユース ケースの例:

  • 複数の GPU にまたがる分散トレーニング
  • vLLM や SGLang などの最適化されたエンジンを使用した推論処理
  • Hugging Face やその他のオープンソース エコシステムを用いたモデル最適化

開発者は、最小限の変更によって AMD GPU 上で既存のコードベースを実行できます。

AMD 開発者コミュニティ フォーラムAMD 開発者 Discord サーバーを使用すると、ほかの開発者や AMD エキスパートと直接つながり、問題の解決に役立てることができます。また、GitHub でバグについて送信することもできます。