RuntimeError: No CUDA GPUs are available

快速结论：这个报错通常出现在 Krita AI Diffusion 本地服务器在 AMD 显卡上使用 ROCm 运行时，由于安装的 ROCm 版本与显卡架构不匹配，导致 PyTorch 无法识别 GPU。优先排查 ROCm 安装版本是否与你的显卡型号（gfx 代号）对应。

适用环境：Krita AI Diffusion 本地服务器；操作系统为 Linux；显卡为 AMD Radeon RX 9070 XT；使用 ROCm 作为计算后端。

最快修复方案：为你的 AMD 显卡安装对应架构的正确 ROCm 版本。Issue 作者最终通过安装 amdrocm7.14-gfx1201 解决了问题，该方案已由用户验证有效。

注意事项：ROCm 版本必须与显卡的 gfx 代号严格匹配，不同型号显卡对应不同的 gfx 编号；安装前应先确认你的显卡对应的具体 ROCm 版本，避免盲目安装。

问题场景

用户在 Linux 系统上安装了 Krita AI Diffusion 插件及本地服务器，并使用 AMD Radeon RX 9070 XT 显卡配合 ROCm 运行。插件安装过程顺利，但启动本地服务器时，系统提示无法找到 CUDA GPU，服务器初始化失败。

报错原文

RuntimeError: No CUDA GPUs are available

原因分析

虽然用户使用的是 AMD 显卡和 ROCm 环境，但 Krita AI Diffusion 内部的 PyTorch 仍然通过 CUDA 接口检测 GPU。当 ROCm 安装版本与显卡硬件架构不匹配时，PyTorch 无法通过 HIP/ROCm 层正确映射到物理 GPU，最终表现为 CUDA 设备不可用。可能原因包括：

ROCm 安装版本过旧或过新，不支持当前显卡的 gfx 架构（例如 gfx1201）。
ROCm 安装时未指定或错误指定了显卡架构参数。
系统环境变量（如 HSA_OVERRIDE_GFX_VERSION）未正确设置，导致 PyTorch 无法识别 GPU。

环境排查

确认 Linux 发行版及内核版本（如 Ubuntu 22.04/24.04、Arch 等）。
确认 AMD 显卡型号，并查出对应的 gfx 代号（本案例为 gfx1201）。
检查当前安装的 ROCm 版本：可运行 rocm-smi 或在 /opt/rocm 目录下查看版本文件。
确认 PyTorch 是否安装了 ROCm 版本（而非 CUDA 版本），可通过 Python 中 import torch; print(torch.version.hip) 检查。
查看 server.log 中初始化部分的详细输出，确认 PyTorch 检测到的后端信息。

解决步骤

先卸载当前不匹配的 ROCm 安装，避免残留版本干扰。
查询 AMD 官方文档或社区资料，确认你的显卡型号对应的 ROCm 版本及 gfx 代号（本案例为 gfx1201）。
安装与显卡匹配的 ROCm 版本。Issue 用户最终通过安装 amdrocm7.14-gfx1201 解决问题，可优先尝试类似架构定制的 ROCm 版本。
安装完成后，重启 Krita AI Diffusion 服务器，观察 server.log 中是否出现 GPU 检测成功的信息。
如果仍提示无 CUDA GPU，可尝试在启动服务器前设置 HSA_OVERRIDE_GFX_VERSION 环境变量，但需注意该变量的具体值应与显卡 gfx 代号对应。

验证方法

重新启动 Krita AI Diffusion 服务器，查看 server.log 中是否不再出现 RuntimeError: No CUDA GPUs are available 报错，并确认服务器成功加载了模型。也可以在 Krita 中尝试生成图像，如果能够正常出图，则说明 GPU 已被正确识别和使用。