【A30使用PyTorch训练模型时报错】

已于 2023-05-29 16:45:47 修改
阅读量663 收藏 1
点赞数 3
文章标签： python 深度学习 pytorch gpu
于 2023-05-25 12:00:33 首次发布
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/qq_38102943/article/details/130864234
版权

NVIDIA A30使用PyTorch训练模型时报错：NVIDIA A30 with CUDA capability sm_ 80 is not compatible with the current PyTorch installation

出现问题的原因

  • 正常来说，不是向下兼容安装的pytorch的话，与pytorch版本无关
  • a30显卡算力是80，目前仅cuda11+支持

解决办法

  • 我现有的cuda10.2, 再装个cuda 11.2
  • 然后修改~/.bashrc, 指向cuda11.2的地址，弃用10.2
# cuda
export PATH=/usr/local/cuda-11.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64:$LD_LIBRARY_PATH
export LIBRARY_PATH=/usr/local/cuda-11.2/lib64

多版本切换cuda

  • 不是不可以，只是这个方法有点鸡肋，还不如conda环境中装cuda?
  • 这个方法待测试补充
qq_38102943
关注
  • 3
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Pytorch模型训练实用教程
10-03
Pytorch模型训练实用教程 来源： https://github.com/TingsongYu/PyTorch_Tutorial
NVDIA GPU参数列表： 3090，4090， A40， A30，V100， A100， A800性能参数
TURING.DT
05-25 2万+
而据英伟达的说法，新的 A800 可以替代 A100，两者都是 GPU（图形处理单元）处理器。芯片经销商 OMNISKY 容天官网介绍的英伟达 A800 GPU 信息显示，新的芯片数据传输速率为每秒 400GB，低于 A100 的每秒 600GB，代表了数据中心的性能明显下降。NVIDIA A100 GPU采用全新Ampere安培架构的超大核心GA100，7nm工艺，542亿晶体管，826平方毫米面积，6912个核心，搭载5120-bit 40/80GB HBM2显存，带宽近1.6TB/s，功耗400W。
起初连接服务器时出现问题；NVIDIA A30 with CUDA capability sm_ 80 is not compatible with the current PyTorch insta
weixin_43664144的博客
12-06 601
解决：pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html。#NVIDIA A30与CUDA功能sm_ 80不兼容当前的PyTorch安装。
Deepstream6.3部署YOLOv8
weixin_51230935的博客
09-27 1679
我的显卡型号A30可以安装的是DS6.1-6.3，我选择安装DS6.3。
关于NVIDIA30系列环境配置问题
WHU-Even的博客
01-07 541
关于NVIDIA30系列环境配置问题 问题发现 最近使用新的机器进行深度学习环境配置，按照以往的直接anaconda安装默认pytorch-gpu环境发现不能训练问题，故在此进行记录，希望对各位有帮助。 环境 NVIDIA 3090 症状 在建好的环境中，使用python import torch，成功; torch.cuda.is_available(),获得true 但是： print(torch.rand(3,3).cuda()) 没有反映，直接卡死，经过多次测试发现，等待大概五六分钟有了输出，再之后
服务器NVIDIA A30报错：NVIDIA A30 with CUDA capability sm_ 80
sumeil的博客
08-30 2975
服务器NVIDIA A30使用PyTorch训练模型时报错：NVIDIA A30 with CUDA capability sm_ 80 is not compatible with the current PyTorch installation.
pytorch 中注意cuda版本和gpu算力匹配
热门推荐
m0_46483236的博客
04-11 2万+
在安装torch时，一定要注意显卡的cuda版本问题。 比如，在 RTX2080上 同样的环境中 程序可以正常运行，而换到A100中，就会报错如下： NVIDIA A100-PCIE-40GB with CUDA capability sm_80 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60
A30、V100性能测试对比报告
TFATS的博客
03-22 5445
共压80000数据，同时请求500数据。
KAUST IBEX A100-80GB Torch 1.9.1 配置与使用
博观而约取，深研而广求
10-21 1596
近期由于实验需要，V100 32GB 的显存已经不能满足需求，因此此为迁移到 A100-80GB 的总结，以备后续查阅。 注：以下内容仅在 KAUST IBEX 集群上进行测试，且以下言论仅为个人申明，不代表 KAUST 观点。 环境配置 登录 Ibex A100 集群之后，nvidia-smi 显示如下版本信息： NVIDIA-SMI 465.19.01 Driver Version: 465.19.01 CUDA Version: 11.3 由于 A100 需要 sm80， 因此我们需
A100 显卡算力与pytorch不匹配
weixin_56759664的博客
07-25 538
原因：NVIDIA A100算力不同（架构不同），所以以前可以正常用的pytorch1.9, 换到了这个显卡机器就会报错。
pytorch AI模型训练手册
最新发布
01-26
PyTorch AI模型训练手册，从入门到进阶，从基础到高级，是初学者必备工具，是专业技能人员提升资料和参考，值得学习和收藏、阅读。
MxNet预训练模型到Pytorch模型的转换方式
09-16
MxNet和PyTorch是两种流行的深度学习框架，它们都支持预训练模型的使用。然而，由于框架间的不兼容性，有时需要将一个框架的预训练模型转换到另一个框架。本篇将详细讨论如何将MxNet的预训练模型转换为PyTorch模型。...
Pytorch加载部分预训练模型的参数实例
09-18
PyTorch作为一个灵活且强大的深度学习框架，提供了加载预训练模型参数的功能，这对于研究和实践非常有用。本文将详细探讨如何在PyTorch中加载部分预训练模型的参数，并通过实例进行说明。 首先，当我们使用的模型与...
pytorch 使用加载训练好的模型做inference
09-17
今天小编就为大家分享一篇pytorch 使用加载训练好的模型做inference，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
升级 GPU 服务器 cuda 驱动版本指南
TFATS的博客
08-19 3857
升级 GPU 服务器 cuda 驱动版本指南。
A100-PCIE-40GB with CUDA capability sm_80 is not compatible with the current PyTorch installation
Allyli0022的专栏
12-29 1572
使用以下命令进行安装，成功安装运行：
多机多卡示例（torch.distributed.launch使用 ）
m0_46294481的博客
09-04 546
我们假设有两台服务器，一台是V100(显卡型号)-3(number)-16g(显存)，另一台是A30-6-24g。在这两台服务器里分别有两个.py文件，一个是V_dist.py，一个是A_dist.py文件。例如在一台服务器的终端输入ssh root@218.195.247.241 -p 30430（另一台服务器的参数），之后按照步骤输入密码即可连接。每台机器分配的卡最好数量一致，数量不一致还可以运行的方法我还没有找到。V100终端显示：(整理过后的，并非原显示)A30终端显示：(同上)
pytorch链路预测-笔记
m0_51732188的博客
03-07 2292
pytorch-geometric相关报错，大多数是版本问题，重新安装。 梯度反转层（pytorch版本高时，forward必须为静态方法）。 cuda或pytorch与显卡算力不区配问题解决。
2.PyTorch环境的配置及安装
Highlight_Jin的博客
09-23 5860
主要内容Windows系统下环境配置1.1 打开Anaconda Prompt1.2 确定硬件支持的CUDA版本1.3 确定pytorch版本，torchvision版本 安装anaconda，参照之前链接 显卡的作用主要起到训练加速的作用，打开任务管理器，点击性能中查看GPU，能够正常显示信号，显卡的驱动已经正确安装。 如何管理环境？ Windows系统下环境配置 1.1 打开Anaconda Prompt 1、conda create -n pytorch python=3.7.0：创建名为pytorc
pytorch训练模型和使用模型原理流程
05-01
PyTorch是一种基于Python的深度学习框架，能够提供高效的张量操作和动态构建计算图的能力。下面是PyTorch训练模型和使用模型的原理流程： 1. 数据准备：首先需要准备好训练集和测试集，并对数据进行预处理，例如标准化、归一化等操作。 2. 模型定义：使用PyTorch定义模型，可以选择使用现成的预训练模型，也可以自己定义模型。 3. 损失函数定义：选择合适的损失函数，例如交叉熵损失函数、均方误差等。 4. 优化器定义：选择合适的优化器，例如Adam、SGD等，用于更新模型参数。 5. 训练模型：将数据输入模型，计算损失函数，并根据优化器对模型参数进行更新。 6. 模型评估：使用测试集评估模型性能，计算模型的准确率、精确率、召回率等指标。 7. 模型保存：将训练好的模型保存下来，以便后续使用。 8. 使用模型：使用保存的模型对新数据进行预测或分类。 在使用PyTorch进行深度学习任务时，通常需要使用以下几个库： - torch：PyTorch的核心库，提供张量操作等基础功能。 - torchvision：提供了一些常用的计算机视觉数据集和模型。 - torchtext：提供了一些常用的自然语言处理数据集和模型。 - torchsummary：提供了一个方便的方式来查看模型的结构和参数数量。 总之，PyTorch是一种灵活、易于使用和扩展的深度学习框架，可以帮助开发者快速构建、训练和部署深度学习模型。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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