【A30使用PyTorch训练模型时报错】

已于 2023-05-29 16:45:47 修改
阅读量909 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/
最低0.47元/天 解锁文章
qq_38102943
关注
PyTorch深度学习实战（1）——神经网络与模型训练过程详解
盼小辉丶的博客
05-28 6万+
在本节中，我们将了解传统机器学习与人工神经网络间的差异，并了解如何在实现前向传播之前连接网络的各个层，以计算与网络当前权重对应的损失值；实现反向传播以优化权重达到最小化损失值的目标。并将实现网络的所有关键组成——前向传播、激活函数、损失函数、链式法则和梯度下降，从零开始构建并训练了一个简单的神经网络。
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 1726
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
服务器NVIDIA A30报错：NVIDIA A30 with CUDA capability sm_ 80
sumeil的博客
08-30 3260
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.
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
12-06 799
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。
GeForce RTX 3060 Laptop GPU with CUDA capability sm_86 is not compatible with the current PyTorch in
ruyingcai666666的博客
11-11 3066
我的电脑是GeForce RTX 3060，一开始安装的是cuda10和对应的cudnn，pytorch1.7.0，但是出现警告， GeForce RTX 3060 Laptop GPU with CUDA capability sm_86 is not compatible with the current PyTorch installation. 但是，并没有报错，我就以为是无关紧要的，但是电脑加载数据就特别慢。我以为是因为我的cpu或者硬盘出问题了，然后就各种操作，找原因。。。 找不到。。。。 然后
pytorch 中注意cuda版本和gpu算力匹配
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
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。
Pytorch模型训练实用教程
10-03
《PyTorch模型训练实用教程》是一份详细指导如何在PyTorch框架下进行深度学习模型训练的资源。PyTorch是Facebook开源的一个强大的深度学习平台，以其灵活性和易用性受到广大研究者和开发者的青睐。本教程由Tingsong ...
pytorch_ner:使用PyTorch训练NER模型的管道
05-24
使用PyTorch训练NER模型的管道。 支持ONNX导出。 用法 首先，安装依赖项： # clone repo git clone https://github.com/dayyass/pytorch_ner.git # install dependencies cd pytorch_ner pip install -r ...
pytorch AI模型训练手册
最新发布
01-26
《PyTorch AI模型训练手册》是一本专为深度学习爱好者和从业者打造的全面指南，旨在帮助读者从零基础开始，逐步掌握PyTorch这一强大的深度学习框架，并深入理解AI模型的训练过程。这本书覆盖了从入门到进阶的各个...
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。...
A100 显卡算力与pytorch不匹配
weixin_56759664的博客
07-25 700
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。
2.PyTorch环境的配置及安装
Highlight_Jin的博客
09-23 6147
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
CUDA计算能力&显卡对照表
Janus
02-16 4万+
CUDA计算能力&显卡对照表: 最新信息参考这个: https://developer.nvidia.com/cuda-gpus Tesla Workstation Products GPU Compute Capability Tesla K80 3.7 Tesla K40 3.5 Tesla K20 3.5 Tesla C2075 2.0 Tesla C2050/C2070 2.0 NVIDIA Data Center Products GPU C
报错 XAConnectionFactory: failed to create pooled connection - DBMS down or unreachable?
默默不代表沉默
12-10 8713
出现以下错误： 在检查数据库连接信息都不存在任何问题的情况下， 是因为版本的问题，springboot2.1.x版本默认的mysql-connector-java 版本比较高 8.0.x ； 降版本可以解决： <dependency> <groupId>mysql</groupId> ...
pytorch训练图像分类模型pth转ONNX并测试
10-29
1. 搭建自己的简单二分类网络，使用pytorch训练和测试...4. 使用方法：首先运行“TrainTestConvertOnnx.py”执行“训练数据读入、模型训练、模型测试、导出onnx”，再运行“TestOnnx.cpp”测试onnx（需要配置OpenCV）；
Pytorch人脸检测训练代码 RetinaFace 使用widerface数据集 包含已训练模型
08-07
# Pytorch人脸检测训练代码 RetinaFace 使用widerface数据集 包含已训练模型 1. 人脸检测SOTA算法RetinaFace模型代码实现； 2. 包含训练集网盘下载链接，在./data/widerface/download文件中复制链接下载并解压到./...
世上最全NVDIA GPU参数列表： H100，H200、 A100， A800，V100，3090，4090， A40， A30等性能参数
热门推荐
xxxx的博客
11-23 6万+
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。
一行代码加速Pytorch推理速度6倍
专注于人工智能领域的小何尚
01-16 9548
PyTorch 有一个名为 PyTorch Hub 的模型存储库，它是常见模型的高质量实现的来源。我们可以从那里获得在 ImageNet 上预训练的 ResNet-50 模型。在本教程中，我们介绍了使用 Torch-TensorRT 为 ResNet-50 模型编译 TorchScript 模型的完整过程，并测试了优化对性能的影响。使用 Torch-TensorRT，我们在 NVIDIA V100 GPU 上观察到 FP32 的加速为1.42x，FP16 的加速为5.4x。
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 9360
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 ...
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