nvcc fatal：Unsupported gpu architecture ‘compute_89‘

最新推荐文章于 2024-10-17 14:31:33 发布
最新推荐文章于 2024-10-17 14:31:33 发布
阅读量2k 收藏
点赞数 1
文章标签： python
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/m0_37937789/article/details/138718035
版权

安装inplace-abn以xformers出现报错nvcc fatal，在报错之前出现了一句话是系统默认检测到cuda-11.3，但是编译用的是cuda-11.8，解决方案就是升级toolkit，安装cuda-11.8。
在这里插入图片描述
执行下面两条命令

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run

在选择安装时必选toolkit，安装结束后设置环境变量

export PATH=/usr/local/cuda-11.8/bin:$PATH
`export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH`

问题解决

nvcc fatal : Unsupported gpu architecture ‘compute_86‘
羊藤枝的博客
12-14 1万+
GPU： RTX3090 Linux： Ubuntu 16.04 pytorch: 1.7.0 python: 3.7.9 cuda version: V11.0.194 GCC version: 5.2.0 安装apex的过程中，按照官网的教程真是一波三折~ 官网的教程如下： git clone https://github.com/NVIDIA/apex cd apex pip install -v --disable-pip-version-check --no-cache-dir --global
【已解决】PCL配置中出现：nvcc fatal : Unsupported gpu architecture ‘compute_30‘
kanbarakun的博客
02-26 3281
我的CUDA编译器nvcc不支持compute_30这个GPU架构，这个GPU架构较老，不符合应该有的算力设置，与CUDA版本不兼容。我的显卡是GeForce GTX 1660 Ti，对应7.5，那么我需要设置的架构就是compute_75。1.修改PCL中关于CUDA的代码，找到“compute_30”的部分修改成你对应的架构或者注释掉。在原本的语句后加入：-DCUDA_ARCH_BIN=“XX”，其中XX即为步骤一中得到的数。2.降级CUDA版本，如果你的项目必须使用这种较老的架构的话。
【异常错误】RTX 4090 nvcc fatal : Unsupported gpu architecture ‘compute_89‘
Drug discovery
04-17 5626
原因是conda环境下cuda编译器nvcc不支持compute_89导致安装失败，运行项目的requirement.txt安装环境往往会默认安装低版本的cuda环境。如果没有compute_89（nvcc --version版本是11.5或者以下），就需要重新安装cuda和nvcc。如果nvcc目录不是/usr/local/cuda-12.2 ，需要重新配置，先备份下原环境，然后重新配置。安装完成后，可以查看cuda 12.2版本安装位置。一般在/usr/local/cuda-12.2下。
【Bug解决】nvcc fatal : Unsupported gpu architecture ‘compute_86‘
weixin_44001371的博客
11-13 1523
GPU 3090 硬件能够支持的算力比较高，能达到 8.6，而当前 CUDA 11.1 不支持算力 8.6。注：感觉该环境变量会有点问题，运行完代码又改回去了。
显卡算力报错Unsupported gpu architecture ‘compute_89‘
最新发布
m0_69253695的博客
10-17 576
因为我的环境需要，我安装的cuda版本是10.1的，cuda很老，不支持8.9算力。我的笔记本显卡是NVIDIA GeForce RTX 4070ti。最好再重启一下电脑(我一开始改完没生效，重启才好使）要修改成7.5算力才能支持cuda10.1版本。办法是在.bashrc文档中输入下面的一段话。我的gpu算力架构是8.9。
Unsupported gpu ‘compute_89‘
canyingfeixue的专栏
07-24 284
nvcc fatal : Unsupported gpu architecture 'compute_89' error: command '/usr/local/cuda-11.7/bin/nvcc' failed with exit status 1 export TORCH_CUDA_ARCH_LIST="7.5"
解决问题使用nvcc fatal : Unsupported gpu architecture ‘compute_75‘
牛肉胡辣汤
11-29 2335
如果发现当前的 CUDA 版本不支持你的 GPU 架构，那么你需要更新 CUDA 到一个支持你的 GPU 架构的版本。首先，你需要卸载当前的 CUDA 版本。不同版本的 CUDA 支持不同的 GPU 架构，如果 GPU 架构超出了 CUDA 版本的支持范围，就会出现这个错误。然后，你可以查阅 NVIDIA 官方文档，找到该版本所支持的 GPU 架构，并确认你的 GPU 是否在支持列表中。请注意，这种做法可能会导致生成的代码不能充分利用 GPU 的性能和特性，因为它们是为支持的 GPU 架构进行了优化的。
【记录】make时出现Unsupported gpu architecture ‘compute_89‘
weixin_45628358的博客
05-09 396
最后发现是makefile中的cuda路径和本机安装的cuda路径不符合（如上图），更改后编译成功。）更改bashrc并没有用。
apollo中docker编译时出现Unsupported gpu architecture ‘compute_89‘的解决方案（时间2023.11.6的apollo镜像最新版本）
weixin_46919783的博客
11-06 1197
就能看到如下图所示的画面（大概在224行左右），将其改成目前支持的架构，如下图所示。在vim常规模式下在键盘上输入/arch，然后enter。查看目前支持哪些架构的命令。
【解决30、40系列显卡使用mmrotate出现nvcc fatal: Unsupported gpu architecture ‘compute_86‘及size mismatch报错】
weixin_44495772的博客
08-25 470
Facebook在2021年推出了pytorch1.8.0版本，而英伟达第一个型号的40系列显卡是在22年发布，因此需要更高的torch版本来支持更高版本的sm_86架构（即更高版本的cuda）。主要原因是mmrotate教程推荐的pytorch版本太低，因此需要保证当前使用的torch。和cuda版本适配30、40系列的显卡，而mmcv也必须重新安装适配torch的版本。
Debug：nvcc fatal: Unsupported gpu architecture ‘compute_86‘； sm_86 is not compatible with Pytorch
qq_41035283的博客
05-13 2455
Debug：nvcc fatal: Unsupported gpu architecture 'compute_86' 问题描述1 编译knn_cuda时，报了个错： nvcc fatal : Unsupported gpu architecture ‘compute_86‘ 意思是显卡算力太高，安装的cuda版本不支持（竟然还有这么神奇的错误），compute_86指显卡计算能力是8.6，RTX 30系，A系显卡都是这个算力。 解决方法 通过系统环境变量设置降低算力： export TORCH_CUDA
caffe 编译 + nvcc fatal : Unsupported gpu architecture ‘compute_86‘
wuyeyoulan23的专栏
12-09 1740
caffe (GPU版) 编译出现错误： nvcc fatal : Unsupported gpu architecture ‘compute_86‘ （出现以上错误消息时的caffe环境配置： 1. win11 + NVIDIA RTX3080 2.cmake-3.16.8-win64-x64.msi 3.en_visual_studio_community_2015_with_update_3_x86_x64_dvd_8923300.iso 4. Anaconda3-2021.05-W...
nvcc fatal : Unsupported gpu architecture ‘compute_37‘解决
AmbitiousTyj的博客
06-26 385
先检查ninja是否安装好了，安装好了还报以上错误再试下面的方法。打开pointnet2_ops_lib中的setup.py文件。将这个3.7+PTX删了，再安装就好了。在安装Pointnet2时遇到报错，
nvcc fatal : Unsupported gpu architecture ‘compute_86‘ CMake Error at Memory_Transfer_generated_me
ZhengrongYue的博客
11-24 3038
nvcc fatal : Unsupported gpu architecture 'compute_86' CMake Error at Memory_Transfer_generated_me
error `nvcc fatal : Unsupported gpu architecture ‘compute_80‘ ninja: build stopped: subcommand fai
weixin_38102912的博客
01-19 5962
问题： Error/问题 nvcc fatal : Unsupported gpu architecture 'compute_80' ninja: build stopped: subcommand failed. 解决方案 在安装一个代码 setup.py (见下面的代码)里的时，会出现以上报错. 这里 是因为，代码与gpu算力不匹配的原因。 对于本机2080ti, 其最高算力为7.5, 故不支持compute_80(算力8.0), compute_86（算力8.6）,解决办法就是把对应两行注释掉
darknet_ros编译时出现nvcc fatal : Unsupported gpu architecture ‘compute_30‘
wtlll的博客
05-07 526
今天在ros中编译包的时候出现下图的错误。
[Caffe] - No.1 nvcc fatal : Unsupported gpu architecture 'compute_20'
TJU YanMing
02-03 5721
编译Caffe出现以下错误： nvcc fatal : Unsupported gpu architecture 'compute_20' 解决方法： CUDA_ARCH := #-gencode arch=compute_20,code=sm_20 \ #-gencode arch=compute_20,code=sm_21 \ -ge
nvcc fatal : Unsupported gpu architecture ‘compute_‘
不知语冰
12-06 4993
我是编译darknet ros时遇到的,错误原因是显卡算力不对应 在CMakeList中有如下: set( CUDA_NVCC_FLAGS ${CUDA_NVCC_FLAGS}; -O3 -gencode arch=compute_30,code=sm_30 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_50,code=[sm_50,compute_50] -gencode ar
nvcc fatal : Unsupported gpu architecture ‘compute_86‘问题解决
热门推荐
chen_yanan的博客
03-31 1万+
设备：显卡3080 环境：Windows10 cuda11.0 语言：python 问题： 代码setup时出现nvcc fatal : Unsupported gpu architecture ‘compute_86‘的问题，经查找，发现根本问题是显卡与cuda版本支持的算力不匹配。 可行解决方案： 1.升级CUDA版本。由于改代码要求cuda版本为11.0，故没有升级cuda版本。 2.据说30系列显卡都会出现此类问题，暴力解决方法就是换电脑换显卡。 3.本人解决方法，向系统环境
nvcc fatal : Unsupported gpu architecture 'compute_37'
05-06
根据您提供的引用内容，这个错误是由于您GPU架构不受nvcc支持所引起的。nvcc是NVIDIA CUDA编译器驱动程序，用于将CUDA源代码编译为可在GPU上执行的二进制代码。当您尝试编译一个不受支持的GPU架构时，就会出现这个错误。 要解决这个问题，您可以采取以下几个步骤： 1. 确认您的GPU架构是否受支持。您可以在NVIDIA官方文档中找到有关支持的GPU架构的信息[^1]。 2. 如果您的GPU架构不受支持，您有几个选择： - 更新您的GPU驱动程序。有时，更新GPU驱动程序可以提供对新的GPU架构的支持。 - 更换使用受支持的GPU架构的GPU。如果您的GPU架构太旧，可能需要考虑升级到一个新的GPU。 - 修改您的CUDA代码以适应受支持的GPU架构。这可能需要对您的代码进行一些修改，以便在不受支持的GPU架构上运行。 3. 如果您确定您的GPU架构受支持，但仍然遇到这个错误，可能是由于其他原因引起的。您可以尝试以下步骤来解决问题： - 确保您的CUDA安装正确并与您的GPU兼容。 - 检查您的编译选项和环境设置是否正确。 - 确保您的代码没有其他错误或依赖项问题。 请注意，这只是一般的解决方案，具体的解决方法可能因您的环境和代码而异。如果您需要更具体的帮助，请提供更多的上下文和代码示例。
评论 1
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