【AMD】ROCm7.1でgfx1103（780M）が認識されている話【ミニPC】
全く気が付いていなかった
まず、当方の環境を
ミニPCは終売？グラボは10万くらい。メモリは調べるのも怖い。96GBを確か4万くらいで買ったはず。どれもこれも値上がりがひどすぎる。
導入当初、K12の内蔵GPU 780MではROCmが使えないため、LLMをllama.cpp×Vulkanを実行することになったが、それは今でも変わりません。なのでRTX 5060ti 16GBを追加した今でも、ROCmは使用していませんでした。
ただ、LLMのような重い処理ではなく、細かい処理でGPUを使いたい場合でも、5060tiは使用中のような場合が最近出てきました。処理によってはVulkanで既に780Mを使用しているのだが、今回PyTorchを使用する処理が有り、それはVulkanでは処理できないのでどうしたものかとなったのが発端。
そんな時に、780Mを使えないかClaudeCodeに聞いてみたらROCmでPyTorch使えばと言うことを言い出したので調べてみた。
ROCm7.1ではgfx1103（780M）公式サポートしていない
調べると公式サポートはしていないという情報が出てくる。でも、認識はされるという情報も出てくる。どういう状態なのだろうか？
と言うことで、チャッピー調べ。
結論
ROCm 7.1 では Radeon 780M（gfx1103）は「有効化（enabled）」されたが、「公式サポート（supported）」として保証されている状態ではない。
これは AMD 的には 珍しくない“中間状態” です。
「有効化されている」と「公式サポート」の違い
有効化（enabled）とはドライバ・ランタイムが GPUを正しく認識
HIP / rocBLAS / MIOpen が 対象GPUとして動作可能
開発者・先行ユーザー向けに 実運用テストが可能
公式サポート（supported）とは公式サポートGPU一覧に 明記
CI / QA で 継続テスト
不具合が 修正対象になる
PyTorch / TF など主要FWとの 組み合わせ保証
👉 780M は前者のみ満たし、後者は未達
一般用途としての「使える・使えない」整理
✅ 問題なく使える可能性が高い処理
以下は ROCmが成熟していて、GPU依存性が比較的低い領域：
処理カテゴリ理由畳み込み（Conv1D / Conv2D）MIOpen が安定音声処理・信号処理演算が素直画像の前処理・後処理メモリ圧が低い推論（小〜中規模）FP32で安定バッチ処理レイテンシ要求が低い
例
音源分離
音声解析
画像変換
軽量CNN推論
数値計算・研究用途
👉 「GPUを計算アクセラレータとして素直に使う処理」
⚠ 条件付きで使える処理
以下は 処理内容・モデルサイズ次第：
処理注意点GEMM（行列演算）サイズ次第でCPU fallbackFP16 / mixed precision未最適化PyTorch汎用学習演算カバレッジに依存長時間・大規模処理熱・メモリ制約
👉 「動くが、性能や安定性は保証外」
❌ 使えない／非現実的な処理
以下は 現時点で明確に向かない領域：
処理カテゴリ理由大規模生成AI（SD / 動画生成）演算・VRAM不足Attention / fused kernel 依存未対応OPが多いFlashAttention / xFormersROCm未成熟FP16巨大モデルAPU構成的に厳しいフレーム単位リアルタイムレイテンシ不利
👉 「dGPU前提の最新AIワークロード」
なぜこの“中間状態”が生まれるのか
AMDの内部事情（一般論）APU（780M）は 後回しにされやすい
まず：
dGPU / Instinct 向けに実装
ランタイムで「動く」状態にする
実利用のフィードバックを見る
問題が収束したら公式サポート化
👉 今は③の段階
一般ユーザー向けの正確な言い方（重要）
❌ 誤解を生む表現
「公式対応した」
「ROCm 7.1で完全対応」
✅ 正確な表現
「ROCm 7.1で gfx1103 は有効化された」
「処理内容を選べば実用可能」
「公式サポートではないが、現場では使える」
全体まとめ（一般用途視点）
✔ GPUとしては 正常に使える
✔ 一般的な計算処理・前処理・音声系は問題なし
⚠ 高度なAI生成は非現実的
❌ AMDの全面保証はまだ
つまり：
「万能ではないが、用途を選べば“普通に役立つGPU”」
という状態です。
では何に使えるのか？
またチャッピーに聞いてみた
780Mは **iGPU（CPUとメモリ共有）**なので、dGPUと違ってここが効きます。
VRAM＝システムRAM共有（帯域・競合の影響が大きい）
長時間フルロードでクロックが落ちやすい（熱/電力）
ROCmは「動く処理は動く」が、全方位の太鼓判ではない
一方で Vulkan は 動画・画像の固定処理に強く、互換性が高いことが多い
780Mでの最適解：役割分担（これが基本形）
1) 固定アルゴリズム系（動画・画像・信号処理）
→ Vulkan（またはツールがVulkan/VAAPI等を使う経路）を優先
理由：
固定処理は Vulkan が軽くて安定しやすい。ROCmに寄せる意味が薄い。
例
動画アップスケール（非AI：Lanczos/Bicubic/Spline）
フィルタ（ノイズ/シャープ/色変換/合成）
Optical Flow系のFPS補完（非生成系）
ffmpeg系フィルタ、OpenCVの前処理
2) “PyTorch等のモデルを回す”NN推論
→ ROCm（動く範囲で）／ダメならCPU or 別エンジン（Vulkan対応推論）
理由：
NNは本来ROCmの領域。ただし780Mだと「対応OP・実装・モデル規模」で落ちやすい。
780Mで相性が良い傾向
Conv中心（CNN、音声系CNN、分離・分類など）
FP32でも成立
変な fused kernel/FlashAttention を要求しない
厳しい傾向
Transformer系で最適化依存が強いもの
FP16前提の巨大モデル
VRAMを食う生成系（画像/動画のDiffusion）
3) LLM（ここだけ別扱いが正解）
LLMは「PyTorchルート」より「専用推論エンジン」の方が780Mで勝ちやすいことがあります。
llama.cpp / GGUF などがVulkan backendを持つ場合
→ Vulkan推論が安定・そこそこ速いことが多い
PyTorchでTransformersを回す場合
→ ROCmで動くことはあっても、対応差・フォールバックで事故りやすい
780M版：使い分け早見表（実戦）
◎ 780Mで「Vulkan優先」になりやすい
動画のアップスケール（非AI）
FPS補完（Optical Flow/補間系）
画像/動画の前処理・後処理（フィルタ・変換）
OpenCV系パイプライン
LLM（Vulkan対応推論エンジンを使う場合）
◎ 780Mで「ROCm優先」になりやすい
PyTorchで動く“軽〜中規模”NN推論
Conv中心の音声・画像モデル
バッチ処理（リアルタイム性が不要な推論）
△ 780Mで「CPUに逃がすのが賢い」ことが多い
長尺でGPUが熱/帯域で落ちる処理（状況次第）
ROCmでOPが欠けてCPUフォールバック地獄になるケース
メモリがカツい状態での並行処理（動画＋NN同時など）
× 780Mで「基本やらない方がいい」
SD/動画生成などの重いDiffusion系
大規模学習
FlashAttention/xformers前提の最先端生成・高速化スタック
780Mならではの“混在”設計が強い
同じGPUを使うなら、だいたいこうすると安定します。
(A) Vulkanで前後処理 → (B) ROCmでモデル推論 → (C) Vulkanで仕上げ
前処理（リサイズ/正規化/色変換）＝ Vulkan
推論（可能なら）＝ ROCm
後処理（合成/エンコード）＝ Vulkan
※ 780Mは共有メモリなので、同時並行より 直列パイプラインの方が安定しやすいです（帯域競合を減らす）。
“どっちが効率いい？”の答え（780M向け）
固定処理：Vulkanが効率・安定ともに勝ちやすい
NN処理：ROCmが本筋だが、780Mは「処理を選ぶ」
LLM：エンジン次第でVulkanが勝ち筋になりやすい
運用時の細かい話
PyTorchはCUDA版 / ROCm版が 完全に別バイナリの為、環境の中にどちらしか置けない。なので、単純に私の環境のように、RTX 5060tiも780Mもどちらも使いたいとなると、環境を切り替えるほかない。venv切替であれば簡単に切り替えられるのでそこまで難しくは無いが、一応気を付けるポイントではある。CUDAを使わないのであれば難しい話ではない。
まとめ
基本はVulkanで動かすのだが、Vulkanが使えないPyTorchが必要な処理でも、簡単な処理なら780Mで処理することがすべてではないが、出来るようになった。その際にはPyTorchのCUDA版 と ROCm版が競合しないように注意。
SwitchBot公式ページ
クーポン「AF-4903」で5％引き（アフィリエイトクーポンになりますのでご協力お願いします）
割引の詳しい仕組みに関してはこちらのページを参照ください。
大きいセールがある場合はAmazonもしくは楽天から購入するとお得です。
買い物情報はこちらからご確認ください。気分で紹介しています。
アリエクのクーポン情報もまとめています。こちらをご覧ください。
当ページにはアフィリエイトリンクを含む場合があります。