AMD显卡能够跑PyTorch，但在某些情况下，可能需要进行一些额外的配置。

首先，我们需要知道PyTorch使用的深度学习框架是CUDA。CUDA是由NVIDIA提供的用于GPU加速的工具包，因此在默认情况下，PyTorch只能在NVIDIA显卡上运行。

但是，AMD也提供了一种替代方案，称为ROCm（Radeon Open Compute）。ROCm是AMD的开源平台，旨在促进数据中心和超级计算机的开发。在此平台上，可以使用OpenCL API和HIP（Hierarchical Parallelism）来进行GPU编程。

如果要在AMD显卡上运行PyTorch，需要进行以下步骤：

1. 安装ROCm

首先，需要在系统中安装ROCm。ROCm当前支持Ubuntu和RHEL操作系统。

在Ubuntu上安装ROCm的命令为：

sudo apt update
sudo apt install rocm-dkms

在RHEL上安装ROCm的命令为：

sudo yum install rocm-dkms

安装过程可能需要一些时间。

2. 安装PyTorch和相关库

安装ROCm之后，我们需要安装PyTorch，并使用HIP运行PyTorch。

可以使用以下命令安装PyTorch：

pip install torch

然后，使用以下命令安装PyTorch的HIP支持：

pip install torch-hip

安装完成后，可以在Python中导入PyTorch：

import torch

3. 运行PyTorch代码

现在，PyTorch已经可以在AMD显卡上运行了。我们可以使用PyTorch提供的API编写深度学习模型和训练代码。

以下是一个简单的示例，将使用PyTorch在AMD显卡上训练一个卷积神经网络：

import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms

# 将数据集下载到本地
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transforms.ToTensor())

# 定义神经网络
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 =