Logo 2 Solution2 SOLUTION
Ricerca · Intelligenza artificiale

I primi
al mondo

PyTorch con ROCm, nativo su Windows, sulla Radeon VII: una combinazione che nessuno, per quanto risulta dalle fonti pubbliche, aveva mai fatto funzionare.

2 Solution · Novembre 2026 · Lettura 4 minuti

La Radeon VII è una scheda AMD del 2019 con architettura «Vega» (gfx906): 16 GB di memoria velocissima e una potenza di calcolo ancora oggi rispettabile. Ma per l'intelligenza artificiale è diventata una scheda orfana: il supporto ufficiale è terminato, e su Windows il software per il calcolo scientifico non l'ha mai davvero considerata.

Noi l'abbiamo rimessa al lavoro. Non con un trucco di compatibilità, ma ricostruendo da capo l'intera catena del software, dal compilatore fino alla libreria che usano i ricercatori di tutto il mondo: PyTorch.

Quello che abbiamo fatto per primi

01
PyTorch compilato in modo nativo con ROCm su Windows per gfx906 Progetto «LA RUOTA»: nessun livello di traduzione intermedio, circa 5 volte più veloce rispetto alla strada precedente via ZLUDA.
02
Tutte le operazioni cuDNN usate da PyTorch tradotte per GPU AMD 86 simboli su 86 implementati e verificati in ZLUDA verso MIOpen: convoluzioni, normalizzazioni, reti ricorrenti.
03
MIOpen riportata in funzione sulla Radeon VII con i driver attuali Kernel ricompilati per il formato accettato dal driver e tre difetti silenziosi corretti.
04
Addestramento di modelli linguistici moderni su una scheda del 2019 Adattamento LoRA di un modello da 4 miliardi di parametri, passato da 182 a 562 token al secondo.

Perché conta

Lungo la strada abbiamo trovato un difetto che nessun messaggio d'errore segnalava: per una precisa combinazione di forme, la libreria sceglieva il metodo di calcolo più veloce, ma non quello corretto. Il risultato era un gradiente sbagliato proprio nel primo strato di ogni rete che lavora su immagini a colori. L'addestramento non si fermava: semplicemente non imparava.

La ricerca automatica sceglie il metodo più veloce, non quello giusto. Ogni forma nuova va confrontata almeno una volta con un calcolo di riferimento.

È la lezione che portiamo in ogni progetto, non solo nell'intelligenza artificiale: un risultato non è verificato finché non lo si confronta con la realtà. Su questa base abbiamo misurato tutto: 98 operazioni su 98 corrette, 20 su 20 nell'algebra lineare su GPU, centinaia di forme di convoluzione controllate una per una.

Cosa significa per i nostri clienti

Significa saper far girare l'intelligenza artificiale sull'hardware che si ha già, in sede, senza mandare dati riservati in cloud. E significa un metodo: quando qualcosa non è supportato, non ci fermiamo al «non si può», ma scendiamo di livello finché non troviamo la causa.

Una parte di questo lavoro la condividiamo come software libero, perché altri possano ridare vita alle proprie schede.

«I primi al mondo»: per quanto risulta dalle fonti pubbliche consultate (documentazione ufficiale, repository e forum di riferimento) a novembre 2026, non esistono altri casi documentati di PyTorch compilato in modo nativo con ROCm su Windows per GPU gfx906. Se ne conoscete uno, scriveteci: lo citeremo volentieri. ROCm, MIOpen, PyTorch e ZLUDA sono progetti dei rispettivi autori, distribuiti con le loro licenze.