# Проєкт bc250-stack додає нативну підтримку ROCm та PyTorch для чипа AMD BC-250

> Реліз версії 10.2-gfx1013 для AMD BC-250 забезпечує нативне навчання моделей на колишній майнерській платі з графікою gfx1013.

- Published: 2026-11-14T18:28:53Z
- Score: 8/10
- Tags: bc250, ai, tool
- Port / platforms: PC (Windows) -> Linux / Steam Deck (Hardware)
- Web page: https://emu-radar.customfw.xyz/uk/news/bc250-stack-rocm-pytorch-release/
- Sources: https://github.com/Naster17/bc250-stack/commit/ac77b5f649a47e1e5ea38751cbec39887ef95d8c

Проєкт [Naster17/bc250-stack](https://github.com/Naster17/bc250-stack/commit/ac77b5f649a47e1e5ea38751cbec39887ef95d8c) випустив оновлення `10.2-gfx1013-20261111-138a66f52`, яке робить майнерську плату AMD BC-250 платформою для навчання нейромереж.

Плата побудована на базі урізаного чипа від PlayStation 5 із кодовою назвою Cyan Skillfish та архітектурою `gfx1013`. Оскільки пакети ROCm та PyTorch не підтримують цей варіант RDNA1 через відсутність матричних ядер MFMA/WMMA та вимкнений SDMA, розробники створили патчі для ядра, бібліотек та компілятора.

Реліз містить колеса для Python 3.12, виправлені вихідні коди PyTorch, стек ONNX та документацію зі збирання. Репозиторій об'єднує гілки компонентів для виправлення особливостей ядра в `bc250-linux`, бібліотек у `bc250-rocm-libraries` та компілятора у `bc250-triton`.

## Як спробувати

1. Ознайомтеся з обмеженнями апаратної платформи `gfx1013:xnack-` із лімітом збирання у чотири завдання в документації релізу.
2. Скористайтеся wheel-пакетами для Python 3.12 або зберіть префікс за допомогою рецептів в теці `recipes/`.
3. Дотримуйтеся інструкцій у [документації зі збирання](https://github.com/Naster17/bc250-stack/blob/main/docs/BUILDING.md).
