成功更改成GPU训练后报错，解决记录

最新推荐文章于 2023-11-07 00:05:12 发布

L802380230

最新推荐文章于 2023-11-07 00:05:12 发布

阅读量1.2k

点赞数 2

文章标签： pytorch 深度学习 python

本文链接：https://blog.csdn.net/L802380230/article/details/122489397

版权

在更新到CUDA11.3和PyTorch 1.10.1后，尝试运行train.py时遇到错误。问题在于Workers参数默认设置为8，改为0后成功运行。对于错误的具体原理尚不清楚。

摘要由CSDN通过智能技术生成

PyTorchhttps://pytorch.org/我的版本为CUDA11.3

torch==1.10.1+cu113

torchvision==0.11.2+cu113

torchaudio===0.10.1+cu113

指令：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

pip3 install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchaudio===0.10.1+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

1. 进入项目打开Terminal进入venv：

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

L802380230

关注关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

torch版本中 “1.10.0+cu113”中的“+cu113”是什么意思

githubcurry

07-21

3846

这意味着它可以利用 CUDA 11.3 的特性和功能，并且可以在支持 CUDA 11.3 的 GPU 上运行。CUDA 是用于 GPU 加速计算的并行计算平台和编程模型，提供了一些库和工具，使开发者能够利用 GPU 的强大计算能力来加速深度学习任务。标签的 PyTorch 版本可以充分利用 CUDA 11.3 的优势，以获得更好的性能和计算能力。如果你的系统安装了 CUDA 11.3，并且你的 GPU 支持该版本的 CUDA，那么使用带有。在 PyTorch 中，版本号中的。PyTorch 的版本号中的。

【图像超分】论文复现：万字长文！Pytorch实现EDSR！代码修改无报错！踩坑全记录！适合各种深度学习新手！帮助你少走弯路！附修改后的代码和PSNR最优的模型权重文件！

最新发布

畅游计算机视觉的海洋

04-16

2383

Pytorch实现EDSR！代码修改无报错！踩坑全记录！适合各种深度学习新手！帮助你少走弯路！附修改后的代码和PSNR最优的模型权重文件！讲解细致，EDSR流程全通，代码注释丰富，适合新手入门阅读！深度思考，踩坑报错全记录，代码中均已修正！python实现matlab中的RGB转YCbCr，解决matlab.engine无法使用的问题！EDSR的性能与论文接近！

1 条评论您还未登录，请先登录后发表或查看评论

cuda11.4适配torch命令

m0_51583439的博客

07-13

473

你好！这是你第一次使用 Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：撤销：Ctrl/Command + Z 重做：Ctrl/Command + Y 加粗：Ctrl/Command + B 斜体：Ctrl/Command + I 标题：Ctrl/Command + S

pipenv 配置pytorch cuda 环境和pycharm解释器

quency的博客

01-14

2526

文章目录下载.whl文件下载torch的whl文件下载torchvision等的whl文件创建pipenv环境安装加入到Pycharm中根据自己的cuda 情况，下载和配置好对应的cuda toolkit和cudnn，这个教程已经有很多，下面介绍使用pipenv配置pytorch环境的过程下载.whl文件打开pytorch官网，选择你对应的cuda，这里我得到如下命令： pip3 install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchau

ubantu安装pytorch避坑不完全指南

xxc97的博客

12-30

1173

ubantu安装pytorch闭坑不完全指南

Visual Commonsense R-CNN (CVPR2020)

剑启郁兰的博客

02-10

922

Visual Commonsense R-CNN 论文的一点解读

(win10+anaconda+python3.7)torch(cuda 11.1)+torchtext安装

feifeileill的博客

05-25

1967

查看cuda版本；查看python版本；torchtext没有Field的解决方法（初学）；torch+gpu安装部署；win10

win10+anaconda3+tensorflow-gpu一些报错的解决方法

Lunex的博客

08-06

1万+

其实这就是个踩坑记录作为一名苦逼研究生苦苦守在windows系统上，只因为当初买电脑的时候搞了一台无法装ubuntu的Acer. 之前用过一段时间的TensorFlow(https://www.tensorflow.org/), 好在现在已经有了能在windows上使用的tensorflow，甚至通过conda可以直接安装，不过这个版本的tensorflow 是cpu版本的。先前做过对照测试，同一

报错日记：Mask R-CNN模型源代码训练训练自己的模型

m0_48041519的博客

04-27

566

报错日记（很新的小白很详细的解决办法）：跟着网上一个很详细的Mask R-CNN的模型训练教程但还是出错（顺便说一下这个教程很详细很适合新手：https://blog.csdn.net/doudou_here/article/details/87855273）记录了一下各种错误加上解决办法全网报过的错我都报过所以来这里找找解决办法吧第一次报错：python train.py 没有error 没有warring 没有需要下载的模块没有代码错误所以只能是版本不对照的问题先把tensorflo

Caffe-SSD(single-shot-multibox)在Windows平台下的配置(CPU和GPU)与训练记录

gxb0505的博客

06-25

2万+

1在windows上面训练和测试ssd的方法很少，而且配置也相当之麻烦，搞了几天才调试成功。现在写一下过程分享到博客上，顺便也可以作为今后再次安装的参考。我的配置环境： windows: 10 cuda: 8.0 caffe: caffe-ssd-microsoft python: 2.7.13 Caffe-SSD的编

【资源分享】常用conda虚拟环境远古版本torch分享torch1.10+cu113,因为这个版本从pytorch官方网站pip命令和conda命令都报错ERROR: Could not find

BetrayFree的博客

11-07

258

本帖用于解决远虚拟环境远古版本的问题，因为比较远古的环境包已经没办法通过pip install 命令安装成功了，当然不乏有一些尽管pip安装不成功，但是如果换一个conda install 的话就可以了，这是因为二者都是包管理工具嘛，二者区别请看我之前的一篇高赞博客。那这种情况就需要我们根据具体的博客需要进行逐个操作了，首先就是安装torch这一步，比较常用的就是torch1.10+cu113，具体安装应该不用教了，网上一搜一大把，只来分享资源，因为官网下载比较慢。pwd=4df2 提取码: 4df2。

Pytorch1.10安装记录（CUDA11.3）

热门推荐

霹雳吧啦Wz

10-25

7万+

Pytorch刚更新到1.10，今天就简单尝个鲜，之前在使用1.9中有很多的UserWarning，在新版本中都已经修复了（强迫者的福音），推荐使用。关于Pytorch1.10更新的内容，请登录Pytorch官网查看。 PyTorch官网：https://pytorch.org/ 文章目录查询NVIDIA GPU算力（可跳过）创建虚拟环境在线安装（CPU/GPU）安装CPU版本安装GPU版本检查GPU驱动版本更新GPU驱动安装Pytorch离线安装（CPU/GPU）安装CPU版本安装GPU版本查询NVI

Anaconda虚拟环境中安装torch + cuda + cuDNN

ligous的博客

04-19

5万+

踩坑踩坑踩坑！！！网上很多关于python+pytorch+cuda+cuDNN的教程，作为一只新手小菜鸟，好不容易跟着众多大佬们成功安装了cuda和cuDNN，并通过了检测！好家伙啊，发现我不会加到虚拟环境里！接着各种查怎么把安装到本地的cuda整到目标虚拟环境里，发现很多是从conda里直接install，不过直接下载会很慢，大多是从清华大学开源软件镜像站下载cuda和cuDNN包，在conda中从本地install，或者在conda中直接从镜像站网址中下载............

windows下 pytorch的安装（gpu版本以及cpu版本）

weixin_45748989的博客

01-14

3623

windows下 pytorch的安装（gpu版本以及cpu版本）

torch与torchvision版本对应关系 & ImportError: cannot import name ‘QuantStub‘ from ‘torch.ao.quantization‘

先说一下，就简单地写点儿氵文，不是博客，只是我的笔记本/工具书

10-23

1万+

搭建pytorch

xiewangzhenyan_的博客

01-11

465

安装anaconda conda使用清华源 pip也使用清华源 pip安装 pip3 install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchaudio===0.10.1+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

安装maskrcnn-benchmark时遇到的问题

qq_43993879的博客

05-25

946

在图片特征提取时需要安装maskrcnn-benchmark包，但是当时遇到了很多问题。下面将总结一下整个安装过程。根据如下步骤进行安装（1）git clone https://gitlab.com/vedanuj/vqa-maskrcnn-benchmark.git （2）cd vqa-maskrcnn-benchmark （3）git checkout 4c168a637f45dc69efed384c00a7f916f57b25b8 -b stable （4）python setup.py

Windows下配置yolov5环境（显卡ＲＴＸ NVIDIA3070TI）

L802380230的博客

01-14

4849

NVIDIA显卡：是一款硬件板子，主流是NVIDIA的GPU，深度学习本身需要大量计算。GPU的并行计算能力，在过去几年里恰当地满足了深度学习的需求。显卡驱动：告诉计算机识别显卡硬件，调用其计算资源。CUDA：是NVIDIA推出的只能用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的。 cudnn：是针对深度卷积神经网络的加速库。 ———————————————— （原文链接：https://blog.csdn.net/jyfh

linux下 pytorch gpu cuda cudnn 安装

arvinChen的博客

10-10

3075

linux torch gpu cuda cudnn 安装

torch1.10.1和torchvision、torchaudio对应版本

05-11

以下是常见的 Torch、Torchvision 和 Torchaudio 版本号对应关系： | Torch 版本 | Torchvision 版本 | Torchaudio 版本 | |----------|----------------|----------------| | 1.7 | 0.8 | 0.7 | | 1.8 | 0.9 | 0.8 | | 1.9 | 0.10 | 0.9 | | 1.10 | 0.11 | 0.10 | 请注意，这只是一个大致的对应关系。确切的版本号可能会有所不同，具体取决于您所使用的操作系统、Python 版本和其他依赖项。在使用这些库之前，请务必按照官方文档的要求安装它们。