สวัสดีครับ ผมเป็นวิศวกร AI ที่ใช้ AMD GPU มาหลายปี วันนี้จะมาแบ่งปันประสบการณ์การติดตั้ง AMD ROCm สำหรับรันโมเดลภาษาขนาดใหญ่แบบทีละขั้นตอน เหมาะสำหรับมือใหม่ที่อยากเริ่มต้นรัน AI บนการ์ดจอ AMD โดยเฉพาะครับ

ทำไมต้อง AMD ROCm? เพราะการ์ดจอ AMD ราคาถูกกว่า NVIDIA มากในหลายรุ่น แต่การติดตั้งซอฟต์แวร์ซับซ้อนกว่า บทความนี้จะช่วยให้คุณผ่านจุดติดขัดได้ทั้งหมด

AMD ROCm คืออะไร

AMD ROCm (Radeon Open Compute Ecosystem) คือแพลตฟอร์ม open-source ที่ทำให้การ์ดจอ AMD สามารถรันโปรแกรม AI ได้ คล้ายกับ CUDA ของ NVIDIA แต่ฟรีและเป็น open-source ครับ

ขั้นตอนที่ 1: ตรวจสอบการ์ดจอที่รองรับ

ก่อนเริ่มต้น คุณต้องมีการ์ดจอ AMD ที่รองรับ ROCm ก่อน ซึ่งรุ่นที่นิยมใช้กันมากคือ AMD RX 7900 XTX หรือ RX 7900 XT รวมถึงการ์ดรุ่นใหม่กว่า

ตรวจสอบได้โดย:

เปิด Terminal แล้วพิมพ์คำสั่งนี้
lspci | grep -i vga

ควรแสดงข้อมูลการ์ดจอ AMD ที่รองรับ
เช่น: AMD Radeon RX 7900 XTX

ขั้นตอนที่ 2: ติดตั้ง Ubuntu 22.04 LTS

ROCm รองรับ Ubuntu 22.04 LTS ได้ดีที่สุด ผมแนะนำให้ติดตั้ง Ubuntu ใหม่เพื่อหลีกเลี่ยงปัญหาความเข้ากันได้ของซอฟต์แวร์ครับ

ขั้นตอนที่ 3: ติดตั้ง AMD ROCm

# ติดตั้ง ROSM repository
wget https://repo.radeon.com/rocm/rocm.gpg.key -O - | sudo apt-key add -
echo 'deb [arch=amd64] https://repo.radeon.com/rocm/apt/6.1 ubuntu main' | sudo tee /etc/apt/sources.list.d/rocm.list


อัปเดตและติดตั้ง ROCm

sudo apt update
sudo apt install rocm-6.1.0


เพิ่ม user เข้ากลุ่ม video

sudo usermod -a -G video,render $USER


รีสตาร์ทเครื่อง

sudo reboot

หลังรีสตาร์ท ให้ตรวจสอบว่า ROCm ติดตั้งสำเร็จโดยพิมพ์:

rocm-smi

ควรแสดงข้อมูลการ์ดจอ AMD พร้อมอุณหภูมิและการใช้งาน VRAM

ขั้นตอนที่ 4: ติดตั้ง PyTorch ROCm Version

PyTorch เวอร์ชันสำหรับ ROCm จะทำให้คุณรันโมเดล AI ได้ครับ

# สร้าง virtual environment
python3 -m venv ai_env
source ai_env/bin/activate


ติดตั้ง PyTorch ROCm version

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.1

ขั้นตอนที่ 5: ติดตั้ง Ollama สำหรับรันโมเดล

Ollama เป็นเครื่องมือที่ทำให้การรันโมเดล AI เป็นเรื่องง่ายมาก รองรับ ROCm อย่างเป็นทางการครับ

# ดาวน์โหลดและติดตั้ง Ollama
curl -fsSL https://ollama.com/install.sh | sh


ตั้งค่าให้ใช้ GPU AMD

export OLLAMA_HOST=0.0.0.0
export HSA_OVERRIDE_GFX_VERSION=11.0.0


รัน Ollama service

ollama serve &


ทดสอบดาวน์โหลดโมเดล Llama 3

ollama pull llama3


ทดสอบรัน

ollama run llama3 "สวัสดีครับ"

ขั้นตอนที่ 6: เชื่อมต่อกับ HolySheep AI API

สำหรับงานที่ต้องการโมเดลที่ทรงพลังกว่า คุณสามารถใช้ HolySheep AI ซึ่งมีราคาประหยัดมาก เช่น DeepSeek V3.2 เพียง $0.42 ต่อล้าน tokens หรือ Gemini 2.5 Flash เพียง $2.50 ครับ

ผมใช้ HolySheep ร่วมกับ local deployment เพื่อเปรียบเทียบผลลัพธ์และประหยัดค่าใช้จ่ายในเวลาเดียวกัน

# ติดตั้ง OpenAI SDK
pip install openai


สร้างไฟล์ test_holysheep.py

import os
from openai import OpenAI


ตั้งค่า API

client = OpenAI(
    api_key="YOUR_HOLYSHEEP_API_KEY",
    base_url="https://api.holysheep.ai/v1"
)


ทดสอบเรียกใช้ DeepSeek V3.2

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "คุณเป็นผู้ช่วยภาษาไทย"},
        {"role": "user", "content": "อธิบาย AMD ROCm แบบเข้าใจง่าย"}
    ],
    temperature=0.7
)

print(response.choices[0].message.content)

รันด้วยคำสั่ง: python test_holysheep.py

ข้อผิดพลาดที่พบบ่อยและวิธีแก้ไข

1. ข้อผิดพลาด: ROCm ไม่ตรวจพบการ์ดจอ

# สาเหตุ: Driver ไม่ติดตั้งหรือ kernel version ไม่รองรับ


วิธีแก้ไข: ติดตั้ง AMD GPU driver

sudo apt install amdgpu-install
sudo amdgpu-install --usecase=graphics,rocm


ตรวจสอบ kernel version

uname -r


หาก kernel ใหม่เกินไป ให้ติดตั้ง kernel เวอร์ชันที่รองรับ

sudo apt install linux-headers-5.15.0-101-generic
sudo apt install linux-image-5.15.0-101-generic

2. ข้อผิดพลาด: PyTorch ตรวจไม่พบ GPU

# สาเหตุ: PyTorch เวอร์ชันไม่ตรงกับ ROCm version


วิธีแก้ไข: ถอนติดตั้ง PyTorch เวอร์ชันเก่าและติดตั้งใหม่

pip uninstall torch torchvision torchaudio
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm6.1


ทดสอบการตรวจพบ GPU

python -c "import torch; print(f'CUDA available: {torch.cuda.is_available()}')"


หากยังไม่ได้ ให้เพิ่ม environment variable

export ROCM_PATH=/opt/rocm-6.1.0
export HSA_OVERRIDE_GFX_VERSION=11.0.0

3. ข้อผิดพลาด: Ollama รันโมเดลช้ามาก

# สาเหตุ: ไม่ได้ใช้ GPU acceleration


วิธีแก้ไข: ตั้งค่า environment variable ก่อนรัน

export OLLAMA_HOST=0.0.0.0
export HSA_OVERRIDE_GFX_VERSION=11.0.0
export HIP_VISIBLE_DEVICES=0


หยุด service เดิม

pkill ollama


รันใหม่ด้วย GPU

ollama serve


ตรวจสอบว่าใช้ GPU โดยดู log

journalctl -u ollama -f

4. ข้อผิดพลาด: Import Error เมื่อรัน OpenAI SDK

# สาเหตุ: SDK version เก่าหรือ path ไม่ถูกต้อง


วิธีแก้ไข: อัปเดต SDK และตรวจสอบ base_url

pip install --upgrade openai


ตรวจสอบว่า base_url ถูกต้อง (ต้องเป็น holysheep.ai เท่านั้น)


ห้ามใช้ api.openai.com หรือ api.anthropic.com



เพิ่มการตรวจสอบ

import os
os.environ['OPENAI_API_BASE'] = 'https://api.holysheep.ai/v1'
os.environ['OPENAI_API_KEY'] = 'YOUR_HOLYSHEEP_API_KEY'

ประสบการณ์จริงจากการใช้งาน

จากประสบการณ์ที่ใช้ AMD RX 7900 XTX ร่วมกับ ROCm 6.1 มาประมาณ 6 เดือน พบว่าการ์ดจอ AMD สามารถรันโมเดล Llama 3 8B ได้ที่ประมาณ 25-30 tokens/วินาที ซึ่งใช้งานได้ดีสำหรับงาน prototyping

อย่างไรก็ตาม สำหรับงาน production ที่ต้องการความเร็วสูงและ latency ต่ำ ผมแนะนำให้ใช้ HolySheep AI ครับ เพราะมี latency ต่ำกว่า 50ms และราคาประหยัดมาก เช่น DeepSeek V3.2 เพียง $0.42 ต่อล้าน tokens หรือ GPT-4.1 ที่ $8

ผมใช้กลยุทธ์ผสมผสาน คือ dev และ testing รันบน local AMD GPU แต่ production ใช้ HolySheep API เพื่อความเสถียรและประหยัดต้นทุนครับ

สรุป

การติดตั้ง AMD ROCm อาจดูซับซ้อนในตอนแรก แต่เมื่อเข้าใจขั้นตอนแล้ว คุณจะสามารถรันโมเดล AI บนการ์ดจอ AMD ได้อย่างมีประสิทธิภาพ สิ่งสำคัญคือการเลือกใช้เครื่องมือที่เหมาะสมกับงาน ไม่ว่าจะเป็น local deployment หรือ cloud API

👉 สมัคร HolySheep AI — รับเครดิตฟรีเมื่อลงทะเบียน

แหล่งข้อมูลที่เกี่ยวข้อง

บทความที่เกี่ยวข้อง