Ubuntu20.04 cuda11.4 RuntimeError: CUDA error: no kernel image is available for execution on the dev

最新推荐文章于 2024-06-07 10:43:26 发布
最新推荐文章于 2024-06-07 10:43:26 发布
阅读量1.2k 收藏
点赞数
分类专栏： Python Pytorch 文章标签： pytorch 深度学习 ubuntu
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Along1617188/article/details/122542227
版权

问题来源

该问题源于项目工程自动下载的torch版本与cuda11.4支持的torch不兼容
那么问题就在于如何找到cuda11.4兼容的torch版本？在官网中寻找

一.选择与系统和cuda匹配的下载地址

首先打开pytorch官网
按照图示选择出对应cuda的下载指令

二.下载

按照图示找到对应cuda的torch下载指令，需要注意的是这个链接https://download.pytorch.org/whl/cu113/torch_stable.html是一个下载地址的展示，而不是一个特定的下载地址

在这里插入图片描述
当把Run this Command输入到命令行时，会弹出系统指定的whl的下载链接，当在线下载网速缓慢的时候，可以在本地下载好了再拷贝到服务器中

三.安装

pip install torch-1.10.1+cu113-cp37-cp37m-linux_x86_64.whl
Along1617188
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ubuntu系统，cuda突然不能使用
qq_41330902的博客
04-25 2459
之前程序可以运行，此次打开报错： RuntimeError: No CUDA GPUs are available 检查驱动和cuda是否可用 nvidia-smi：输出版本号，为可用 nvcc -V：输出版本号，为可用 上述显示驱动不可用，先不着急重装，下面链接可以尝试更新驱动 DKMS可以帮我们维护内核外的这些驱动程序，在内核版本变动之后可以自动重新生成新的模块。 sudo apt-get install dkms sudo dkms install -m nvidia -v...
Ubuntu 20.04 CUDA&cuDNN安装方法(图文教程)
09-14
在Ubuntu 20.04操作系统中安装CUDA和cuDNN是进行深度学习和高性能计算的重要步骤。CUDA是NVIDIA公司提供的一个并行计算平台，它允许开发者利用GPU的计算能力来加速应用程序。cuDNN（CUDA Deep Neural Network）则是...
报错：RuntimeError: CUDA error: no kernel image is available for execution on the device
周周的专栏
04-12 1万+
报错：RuntimeError: CUDA error: no kernel image is available for execution on the device提醒：安装pytorch时，除了要注意pytorch与torchvision版本的匹配，也要注意pytorch与cuda的版本兼容。不然……，安装环境会让你想吐~
【已解决】RuntimeError: CuDA error: no kernel image is available for execution on the device
热门推荐
dont worry about it的博客
04-10 5万+
问题：根本原因是之前装的cuda和torch版本和显卡不适配（开始以为4090可以兼容很多版本就没管） 解决方法：卸载之前的cuda和torch，找到适配的cuda和troch版本，安装--然后就没问题了。
RuntimeError: CUDA error: no kernel image is available for execution on the device解决
最新发布
weixin_45983731的博客
06-07 152
【代码】RuntimeError: CUDA error: no kernel image is available for execution on the device解决。
ubuntu18.04运行cuda报错RuntimeError: CUDA error: all CUDA-capable devices are busy or unavailable
orangeboss的博客
04-21 2469
ubuntu18.04运行cuda报错RuntimeError: CUDA error: all CUDA-capable devices are busy or unavailable 昨天下午因为自己的强迫症升级了实验室服务器上的推送的更新，下午再运行代码时报错RuntimeError: CUDA error: all CUDA-capable devices are busy or unavailable。(因为当时没有保存所以这里就不放图片了。) 问题检查 首先在终端输入nvidia-smi，图片如
RuntimeError: CUDA error: no kernel image is available for execution on the device报错分析与解决
sangedianhao的博客
11-21 4408
【注】cuda是向下兼容的，因此可以选择 >= 项目要求版本的cuda。翻译一下【1】：RTX 3090的算力是8.6，但是当前的PyTorch依赖的CUDA版本支持的算力只有3.7、5.0、6.0、7.0、7.5。而根据对应的算力关系，算力为8.x的显卡使用的cuda版本应该 >= 11.0。因此需要重新安装cuda和对应cuda可用版本的pytorch。由于cuda版本是直接对应电脑显卡的，因此上面表面上是说pytorch版本不对应，但实际上是pytorch依赖的cuda版本的问题。
Ubuntu20.04安装cuda10.1的步骤(图文教程)
09-14
在Ubuntu 20.04上安装CUDA 10.1是进行深度学习计算的关键步骤，因为CUDA提供了GPU加速计算的能力，特别是在TensorFlow等主流深度学习框架中。本教程将详细指导如何在Ubuntu 20.04系统上安装CUDA 10.1。 首先，确保...
ubuntu20.04显卡驱动,CUDA 安装和卸载,cudnn安装.pdf
07-06
在Ubuntu 20.04操作系统中，安装和管理NVIDIA显卡驱动、CUDA以及cuDNN对于深度学习和高性能计算至关重要。以下是关于这些主题的详细步骤和注意事项： 一. 显卡驱动安装 1. **删除旧驱动**：首先，确保通过运行`...
ubuntu20.04无网dpkg安装libczmq-dev完整依赖包
02-23
在Ubuntu 20.04系统中，有时我们需要在没有网络的情况下安装软件包，这可能是因为网络连接不可用或者为了离线部署。本教程将详细解释如何在无网络环境中使用dpkg命令安装`libczmq-dev`这个开发库，以及其完整的依赖...
ubuntu20.04下，采用Qt编译cuda的实例代码
01-12
在Ubuntu 20.04操作系统中，使用Qt框架进行CUDA编程可以实现高效的GPU计算，并将其集成到图形用户界面应用程序中。以下是一个详细的步骤指南，包括如何设置环境、编写CUDA代码以及利用Qt来构建和运行项目。 首先，...
RuntimeError:CUDA error:no kernel image is available for execution on the device报错解决(亲测)
鲁棒最小二乘支持向量机
12-06 1万+
CUDA error:no kernel image is available for execution on the device报错解决
RuntimeError: CUDA error: no kernel image is available for execution on the device
li4692625的博客
02-27 3万+
导致的原因一般都是显卡算力和cuda或者torch版本不匹配 比如在conda中安装的pytorch=1.5.0 cuda=10.2 错误：RuntimeError: CUDA error: no kernel image is available for execution on the device 参考pytorch 报错 RuntimeError: CUDA error: no kernel image is available for execution on the device_可豌豆的
【ERROR】RuntimeError: CUDA error: no kernel image is available for execution on the device出现问题及解决方案
weixin_44493291的博客
05-18 8307
RuntimeError: CUDA error: no kernel image is available for execution on the device 一般为出现原因为GPU与CUDA以及Pytorch版本对应有误，先采用以下语句测试 torch.cuda.is_available() #True a=torch.Tensor([1,2]) a=a.cuda() a 若以上语句出现问题则需要查看，pytorch与cuda对应版本和GPU是否匹配 若以上语句测试均无问题则要考虑是否为其他框架导
[已解决]RuntimeError: CUDA error: no kernel image is available for execution on the device
Demin_的博客
05-19 7645
当在 GPU 上运行 CUDA 代码出现问题时，通常会出现错误消息“CUDA 错误：没有内核映像可用于在设备上执行”。这可能是由多种因素引起的，包括 CUDA、驱动程序或硬件的安装或配置不正确。具体来说，检查“CUDA_HOME”、“LD_LIBRARY_PATH”和“PATH”变量是否设置正确。检查您的 GPU 是否满足 CUDA 的最低要求。您可以在 NVIDIA 的网站上找到支持的 GPU 列表。本人用的是Linux服务器，cuda版本为11.7（一定要下载对应版本），然后直接复制下载命令就OK了。
【问题记录】RuntimeError: CUDA error: no kernel image is available for execution on the device
qq_46110320的博客
02-19 585
以我自己为例：当前3090显卡与torch的版本不支持。问题是由于当前显卡与torch版本有冲突。
pytorch 报错 RuntimeError: CUDA error: no kernel image is available for execution on the device
weixin_42642296的博客
04-11 4万+
环境： python 3.8.3 pytorch 1.7.1 cuda10.1 GPU: GeForce 920M 问题 用GPU运行代码时报错如下 因为我的cuda是配好了的，用tensorflow时就没问题，本来运行以下测试的时候发现也是没问题的。 In [2]: torch.cuda.is_available() Out[2]: True 但是再测试一下其它的 In [3]: torch.empty(3,4,device='cuda') 或者 In [5]: torch.Tensor([1
已解决RuntimeError: CUDA error: no kernel image is available for execution on the device
努力让自己发光，对的人才能迎着光而来
02-21 1万+
已解决在ubuntu虚拟机调试Transformer网络，抛出异常RuntimeError: CUDA error: no kernel image is available for execution on the device的正确解决方法，亲测有效，文末附上pytorch各版本和cuda版本对应关系！！！
报错:RuntimeError: CUDA error: no kernel image is available for execution on the device
zh515858237的专栏
12-28 4731
例如，假设你的cuda版本是12.2，那么你可以将就着用下面的cuda12.1的torch版本。一般报这样的错，主要原因是torch版本和cuda版本不匹配导致的。，找到适合自己cuda的torch版本。
ubuntu20.04安装cuda11.4
06-28
### 回答1： 安装 CUDA 11.4 在 Ubuntu 20.04 系统上的步骤如下： 1. 下载 CUDA 11.4 安装包，可以从 NVIDIA 的官网上下载。 2. 在终端中运行以下命令来添加 NVIDIA 的存储库： ``` sudo apt-add-repository -y ppa:graphics-drivers/ppa ``` 3. 更新软件包： ``` sudo apt-get update ``` 4. 安装 CUDA 11.4 和相应的驱动： ``` sudo apt-get install cuda-11-4 ``` 5. 设置环境变量，在 .bashrc 文件中添加如下行： ``` export PATH=/usr/local/cuda-11.4/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH ``` 6. 使用 nvidia-smi 命令验证安装是否成功。 注意: - 请根据你的显卡型号和系统位数来安装对应版本的CUDA - 更新驱动可能会导致系统不稳定，请注意备份重要数据 - 请在安装前检查您的系统是否满足CUDA的硬件要求 ### 回答2： Ubuntu 20.04是一种广泛使用的操作系统，并且该操作系统支持使用CUDA来访问GPU运算资源。为了在Ubuntu 20.04上安装CUDA 11.4，您需要遵循以下步骤： 1. 首先通过网站下载CUDA Toolkit安装包。根据您的系统架构选择正确的包。您可以使用以下命令进行下载：wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda_11.4.0_470.42.01_linux.run 2. 在安装CUDA之前，您需要卸载任何先前的NVIDIA驱动程序。您可以通过使用以下命令来卸载旧的驱动程序： sudo apt-get purge nvidia* sudo apt-get autoremove sudo apt-get autoclean 3. 接下来是安装依赖库，这些库将支持CUDA的顺利安装： sudo apt update sudo apt install build-essential dkms gcc g++ linux-headers-$(uname -r) 4. 完成依赖库的安装后，您可以运行CUDA Toolkit的安装程序。使用以下命令启动该过程： sudo sh cuda_11.4.0_470.42.01_linux.run 5. 当您运行安装程序时，将在屏幕上提供一些提示。请跟随它们直到安装完成。您可以在安装过程中选择是否自动安装CUDA驱动程序。 6. 安装完成后，您需要配置环境变量。使用以下命令编辑.bashrc文件： sudo vi ~/.bashrc 7. 将以下内容添加到文件的末尾： # CUDA Configurations export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH 8. 保存文件并退出编辑器。要刷新环境变量，请使用以下命令： source ~/.bashrc 9. 看到以上步骤完成基本就可以了，但为了进一步验证CUDA的安装，您可以运行以下命令： nvcc -V 10. 如果您看到CUDA的版本号，这就意味着CUDA已经成功安装在Ubuntu 20.04上。 总之，以上步骤描述了如何在Ubuntu 20.04上安装CUDA 11.4。虽然这些步骤可能有点复杂，但如果您跟随它们，您将能够访问GPU并在Ubuntu 20.04上运行CUDA。 ### 回答3： Ubuntu20.04是一款很受欢迎的操作系统，能够兼容许多软件，其中包括CUDA11.4。CUDA是NVIDIA提供的一款加速计算平台，能够提高GPU的计算能力，使得机器学习、深度学习等方面的操作变得更加快捷和高效。 以下是在Ubuntu20.04上安装CUDA11.4的步骤： 第一步：安装NVIDIA显卡驱动 安装CUDA11.4需要先安装NVIDIA显卡驱动程序，可以通过官方的PPA（Personal Package Archive）源来安装。 首先，打开终端（Ctrl+Alt+T），并使用以下命令添加PPA源： sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update 接着，使用下面的命令安装最新的NVIDIA显卡驱动： sudo apt install nvidia-driver-460 安装好后，使用以下命令重新启动电脑： sudo reboot 第二步：下载CUDA11.4安装包 在安装CUDA11.4前需要先从NVIDIA官网下载对应的安装包。 在下载页面中，选择Linux作为操作系统，并按照你的显卡和安装类型（本地安装或网络安装）选择对应的CUDA版本和安装包。 下载完毕后，将安装包解压到一个易于访问的位置。 第三步： 安装CUDA11.4 在终端中使用cd命令进入解压后的文件夹，并运行安装文件，这需要管理权限，因此需要使用sudo： cd <解压后的文件夹> sudo sh cuda_11.4.0_XXX_linux.run 注意：上面的XXX并不代表你的显卡型号，它将根据你选择的安装环境而变化。 在安装过程中，按照提示进行基本设置、阅读并同意许可协议、选择安装类型等。 最后，将CUDA11.4添加到路径中： sudo gedit /etc/environment 在打开的文件中添加： :/usr/local/cuda-11.4/bin:/usr/local/cuda-11.4/NsightCompute-2021.1/:/usr/local/cuda-11.4/NsightSystems-2021.2/ 保存并关闭文件后，使用以下命令来使添加的路径生效： source /etc/environment 现在，CUDA11.4已经成功地安装到Ubuntu20.04中了。 最后需要注意的是，安装CUDA过程中出现问题的可能性不是很大，但如果有问题就需要查看安装日志并进行相应的调整。""" 注意：本回答只包含大体步骤，因为安装CUDA11.4可能会有许多不同的安装环境和情况，因此最好参考官方文档/手册或在搜索引擎中查找与自身情况相匹配的详细教程。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值