GPU算力太高导致nvcc fatal : Unsupported gpu architecture ‘compute_86‘

最新推荐文章于 2024-09-17 20:29:47 发布

volareneo

最新推荐文章于 2024-09-17 20:29:47 发布

阅读量2k

点赞数 2

本文链接：https://blog.csdn.net/ng323/article/details/113096104

版权

export TORCH_CUDA_ARCH_LIST=“7.5”
降低算力

或者
MMCV_WITH_OPS=1 MMCV_CUDA_ARGS=‘gencode=arch=compute_80,code=sm_80’ pip install -e .

不知道cudatoolkit什麼時候支持安培架構的GPU？

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

volareneo

关注关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
4
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

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

caffe 编译 + nvcc fatal : Unsupported gpu architecture ‘compute_86‘

wuyeyoulan23的专栏

12-09

1626

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...

4 条评论您还未登录，请先登录后发表或查看评论

windows环境下cuda报错：nvcc fatal : Unsupported gpu architecture ‘compute_86‘

qq_26623993的博客

10-21

1342

windows环境下cuda报错：nvcc fatal : Unsupported gpu architecture ‘compute_86‘ 向系统环境变量中添加一项：TORCH_CUDA_ARCH_LIST，值为7.5。重启pycharm或者cmd，再进行相关操作即可。

ValueError: Unknown CUDA arch (3.0) or GPU not supported

weixin_46455141的博客

06-01

761

于是我在anaconda3/envs/byteTrack/lib/python3.8/site-packages/torch/utils/cpp_extension.py中大概1577行中supported_arches添加了“3.0”。（第二次碰到了，遇到就忘了怎么处理，得亏大佬指点。别使用1）的做法，直接运行命令中指定。结果：不报这个错，报别的错了。

Spark 和 NVIDIA GPU 加速深度学习

最新发布

大模型

09-17

1546

随着人们对深度学习（ deep learning ， DL ）兴趣的日益浓厚，越来越多的用户在生产环境中使用 DL。由于 DL 需要强大的计算能力，开发人员正在利用 gpu 来完成他们的训练和推理工作。最近，为了更好地统一 Spark 上的 DL 和数据处理，作为的一项重大举措的一部分， GPU 成为 Apache Spark 3 . 0 中的一种可调度资源。Spark 将这些资源请求传递给底层集群管理器。因为这允许您大规模地运行分布式推理，所以它可以帮助加速大数据管道以利用 DL 应用程序。

DBNet 编译出错

lh_lyh的博客

09-23

296

DBNet 编译工程：https://github.com/MhLiao/DB 执行echo $CUDA_HOME cd assets/ops/dcn/ python setup.py build_ext --inplace编译deformable convolution出错： nvcc fatal : Unsupported gpu architecture ‘compute_86’ 解决方案：cuda版本支持不了这么高的算力（8.6），降低算力要求 export TORCH_CUDA_ARCH_L

mmdetection 安装问题

hudmgy的博客

10-29

697

在2080TI安装mmdet后运行报错 RuntimeError: CUDA error: no kernel image is available for execution on the device 错误发生在mmcv中 fix: export TORCH_CUDA_ARCH_LIST=7.5 然后重新安装mmcv即可注意重新安装前需要将文件夹中的__pycache__/, dist/, *.egg-info, build/文件夹删除 ...

OpenPCDet配置

qq_43593797的博客

05-10

958

nvcc fatal : Unsupported gpu architecture ‘compute_20‘ CMake Error at pcl_gpu_utils_generated_repack

harrycomeon的博客

07-23

2267

因为在安装pcl1 .8前安装了cuda9.0后出现了以下报错。（之前用另外一台没有cuda的环境下安装可以编译通过）主要错误摘录： nvcc fatal : Unsupported gpu architecture ‘compute_20’ CMake Error at pcl_gpu_utils_generated_repacks.cu.o.cmake:209 (message): Error generating Unsupported gpu architecture ‘compute_20’ C

Caffe-GPU编译问题：nvcc fatal : Unsupported gpu architecture 'compute_20'

律己且好学，才能保证不坠入愤世嫉俗之列。

04-05

3594

我的系统的环境： GPU服务器 ubuntu16.04 Opencv3.4.1 CUDA 9.0 CUDNN v7 出现的问题解决：仔细查看发现 Makefile.config 中 CUDA_ARCH 设置未按规定设置： # CUDA architecture setting: going with all of them. # For CUDA < 6.0, comment the ...

安装一些依赖时报错，ValueError: Unknown CUDA arch (9.0+PTX) or GPU not supported 解决方案

uloveqian的博客

06-01

2732

执行 echo $TORCH_CUDA_ARCH_LIST，发现CUDA架构版本包括。

GPU算力太高导致nvcc fatal : Unsupported gpu architecture ‘compute_86‘

热门推荐

cwm19950318的博客

12-16

1万+

ubuntu20.4环境下如果当前CUDA算力高于当前PyTorch版本支持的CUDA算力： sm_86代表当前CUDA算力，下一行的sm_xx代表当前PyTorch支持的CUDA算力，比如sm_75。最后就会爆出这个错误，nvcc fatal,error。可以更新CUDA和PyTorch，也可以在终端输入 export TORCH_CUDA_ARCH_LIST="7.5" 降低算力，就不会再报这个错误了。 ...

CenterNet环境配置-在AutoDL实例上

weixin_43786395的博客

11-03

877

centernet环境配置

[深度学习][转载]CUDA arch和CUDA gencode对应关系

FL1623863129的博客

04-16

4897

I’ve seen some confusion regarding NVIDIA’s nvcc sm flags and what they’re used for: When compiling with NVCC, the arch flag (‘-arch‘) specifies the name of the NVIDIA GPU architecture that the CUDA files will be compiled for. Gencodes (‘-gencode‘) allows

30 系列显卡是新一代架构，新驱动不支持 cuda 9 以及 cuda 10，所以必须安装 cuda 11

fangweijiex的博客

03-31

9313

30 系列显卡是新一代架构，新驱动不支持 cuda 9 以及 cuda 10，所以必须安装 cuda 11 最近在训练一个深度学习模型，要求的环境是python=3.7 + torch=1.3, 而torch1.3支持的cuda版本为9.2或10.2 但是我所用的显卡为3090, 所以网上的解决办法都试遍了，都解决不了服务器在载入模型的时候很慢后来无意中看到GeForce RTX 30系显卡目前是支持CUDA 11.1及以上版本 ...

nvcc fatal : Unsupported gpu architecture ‘compute_86‘问题解决

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

CUDA使用的一些Tips

GLinttsd的博客

10-29

466

CUDA使用的一些Tips1.查询GPU的配置参数2.性能提升的Tips1.取消Debug information2.修改计算能力3.计算GPU的运行时间 1.查询GPU的配置参数直接运行下面代码获得各项参数： #include "cuda_runtime.h" #include "device_launch_parameters.h" #include <stdio.h> int main() { int deviceCount; cudaGetDeviceCount(&a

【转载】各种 NVIDIA 架构所匹配的 arch 和 gencode

ShaderJoy 的兴趣技术杂货铺

11-24

1万+

Matching CUDA arch and CUDA gencode for various NVIDIA architectures I’ve seen some confusion regarding NVIDIA’s nvcc sm flags and what they’re used for: When compiling with NVCC, the arch flag (‘-arch‘) specifies the name of the NVIDIA GPU architecture t

nvcc fatal : Unsupported gpu architecture 'compute_75'

qq_38343151的博客

05-01

1745

Had the same problem and got to the bottom of it. My configuration is a Tesla T4 with 410.92 driver and CUDA 9.2, Ubuntu 18.10. The thing is, the torch installer tries for some reason to use the highe...

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。