nvcc fatal : Unsupported gpu architecture ‘compute_

于 2024-02-27 15:19:59 发布
阅读量208 收藏
点赞数 2
文章标签： cuda
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/special00/article/details/136323495
版权

编译 tiny-cuda-nn 遇到的问题

环境：

cuda11.4

cmake 3.22.0

更改cmake版本3.18.0

报错 GNU version

gcc11降到gcc7问题解决

少林达摩祖师
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
bazel_nvcc:在bazel中将nvcc编译器用于cuda
04-29
bazel_nvcc 在bazel中使用nvcc编译器 如何建造 bazel build cuda：全部 bazel测试测试：全部
【已解决】PCL配置中出现：nvcc fatal : Unsupported gpu architecture ‘compute_30‘
kanbarakun的博客
02-26 1111
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。
分类：MNIST示例代码
02-12
分类 画像分类用のサンプルコード。确认用としてMNISTの手书き文字分类问题も実装済み。 环境情报 下记环境にて动作确认を実施。 Windows 10 的Python 3.8.2 CUDA 9.2 点子 CUDAの详细は以下の通り。 $ nvcc --version nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2018 NVIDIA Corporation Built on Tue_Jun_12_23:08:12_Central_Daylight_Time_2018 Cuda compilation tools, release 9.2, V9.2.148 インストール方法 初步条件 PythonおよびCUDAのインストールが完了していること。 ライブラリのインストール を満たしている场合 をのリポジトリを任意
DCNV2编译遇到的问题
zhaoyan272898330的博客
04-08 1908
显卡Nvidia RTX TITAN pytorch 1.5.0 cuda 10.2 报错： nvcc fatal : Unsupported gpu architecture 'compute_80' ninja: build stopped: subcommand failed. 解决方法： 在DCNV2目录下setup.py文件中添加一行代码 if torch.cuda.is_available() and CUDA_HOME is not None: extensio.
【深度学习】学习过程中遇到的问题及解决
rellvera的博客
04-24 1737
学习过程中遇到的问题
Caffe GPU编译报nvcc fatal : Unsupported gpu architecture 'compute_**' 错误解决方法
joyjoy01的博客
05-10 6570
在cuda安装成功，配置好cudnn的条件下，编译Caffe GPU时生成工程时会报nvcc fatal : Unsupported gpu architecture 'compute_**' 错误，解决办法两步： 1、.修改nvcc.hpp文件，注释最后三行。 2、 修改caffe-windows/Cuda.camke,将第7行 修改为set(caffe_known_gpu_archs "6...
nvcc fatal : Unsupported gpu architecture ‘compute_‘
不知语冰
12-06 4430
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‘ CMake Error at Memory_Transfer_generated_me
ZhengrongYue的博客
11-24 2484
nvcc fatal : Unsupported gpu architecture 'compute_86' CMake Error at Memory_Transfer_generated_me
Ubuntu编译安装colmap遇到的几个问题以及解决
BigYouYou
10-11 1469
总体安装过程已经很明白了，写的人很多了，我就不赘述了，可以参考或者其他博客。我主要记录几个我遇到的问题以及解决方法。
解决OpenCV安装问题：nvcc fatal: Unsupported gpu architecture ‘compute_30
百度一下 猎人社区
07-10 1714
找到相关的CUDA选项，例如"CUDA_ARCH_BIN"或"CUDA_ARCH_PTX"，并修改为支持您的GPU计算能力的架构。在解决这个问题时，理解您的GPU型号、CUDA版本和OpenCV版本之间的兼容性是至关重要的。如果您的GPU的计算能力为3.0，并且您安装的CUDA版本不支持该计算能力，那么您需要更新CUDA版本或选择与您的GPU兼容的其他版本。安装较早版本的OpenCV：如果您的GPU计算能力确实不被当前版本的OpenCV支持，您可以尝试安装一个较早的OpenCV版本。
gpu-burn:多GPU CUDA压力测试
05-13
make COMPUTE=<compute> 在调用make以将其添加到编译器标志的默认列表时，可以添加CFLAGS： make CFLAGS=-Wall 调用make将其添加到链接器标志的默认列表时，可以添加LDFLAGS： make LDFLAGS=-lmylib 调用make...
nvcc_2.3.rar_cuda_nvcc_www.nvcc2.c_编程中的nvcc
09-14
CUDA并行编程环境的compiler driver———nvcc的详细介绍
matlab反投影函数代码-MultiGPUGridder:多GPU网格器
06-02
NVCC >= 10.0 用于编译 GPU 代码的 NVIDIA CUDA 编译器。 应包含在 CUDA 下载中。 C++编译器 >= C++11 编译 C++ 代码需要 C++ 编译器。 制作 >= 3.14 需要最新版本的 CMake 来链接依赖项。 英伟达图形处理器 >=3.0 ...
通信电源蓄电池组容量性充放电试验三措一案.docx
04-27
5G通信行业、网络优化、通信工程建设资料。
铁塔维护检测手段.docx
04-27
5G通信行业、网络优化、通信工程建设资料
通信设备安装施工组织方案.doc
04-27
5G通信、网络优化与通信建设
299-教育行业信息化与数据平台建设分享.pptx
04-27
299-教育行业信息化与数据平台建设分享.pptx
手写数字和字母数据集binaryalphadigs.mat
最新发布
04-27
手写数字和字母数据集binaryalphadigs.mat
nvcc fatal : unsupported gpu architecture 'compute_30'
06-28
### 回答1： 这个错误提示是因为您的GPU架构不被支持。您需要检查您的GPU型号和驱动程序是否支持CUDA编程。如果您的GPU不支持CUDA编程，您需要升级您的GPU或选择一个支持的GPU。如果您的GPU支持CUDA编程，您需要安装正确的驱动程序和CUDA工具包。 ### 回答2： "nvcc fatal : unsupported gpu architecture 'compute_30'"这个错误是因为在进行GPU编译时，使用的CUDA版本过旧，不支持计算能力为3.0（compute_30）的显卡架构。计算能力是显卡计算并行性能的指标，它取决于显卡架构和显卡内部的硬件资源（如SP，SFU等）。 要解决这个问题，可以选择更新使用的CUDA版本，使其支持计算能力为3.0的显卡架构。具体方法如下： 1.查看CUDA版本：可以在命令行中输入nvcc --version命令，查看当前CUDA版本号。 2.查看支持的显卡架构：可以在CUDA开发者文档中查找支持的显卡架构列表，确定当前CUDA版本是否支持计算能力为3.0的显卡架构。 3.更新CUDA版本：如果当前CUDA版本过旧，不支持计算能力为3.0的显卡架构，可以下载最新的CUDA版本进行更新。在更新时，需要注意当前系统所支持的CUDA版本和显卡驱动版本。 4.修改编译选项：如果当前不方便更新CUDA版本，可以通过修改编译选项使得nvcc支持计算能力为3.0的显卡架构。具体方法是在编译代码时指定-gencode选项，如-gencode=arch=compute_30,code=sm_30，它的作用是可以将代码编译成适用于计算能力为3.0的显卡架构的机器码。 总之，解决这个问题的关键是要理解计算能力的概念，知道当前CUDA版本的支持情况，并且有选择地进行相应的更新或修改编译选项等操作。 ### 回答3： 这个错误是由于使用 Nvidia 编译器时选择的 GPU 架构版本不受支持所导致的。 首先，要理解什么是计算能力（compute capability）。计算能力是 Nvidia GPU 用于计算和执行 GPU 代码的能力。每个 GPU 都有不同的计算能力版本。计算能力是由架构决定的，并且不同的架构具有不同的计算能力版本。 当您使用 Nvidia 编译器编译代码时，您需要指定要使用的 GPU 架构版本。如果您指定了不受支持的 GPU 架构版本，则会出现“unsupported gpu architecture”错误。 在这种情况下，错误信息中指出的是“compute_30”，这表示您选择的 GPU 架构版本是 Kepler 架构，这是一个旧的 GPU 架构，并且不支持许多新的功能和指令。 为了解决这个问题，您需要使用支持您 GPU 的计算能力版本编译您的代码。首先，您需要确定您的 GPU 的计算能力版本。您可以使用 Nvidia 官方网站上提供的计算能力表确定您的 GPU 的计算能力版本。 接下来，您需要在编译代码时指定正确的计算能力版本。您可以使用以下命令指定计算能力版本： nvcc -arch=compute_{计算能力版本} -code=sm_{计算能力版本} your_file.cu 在这个命令中，您需要将“计算能力版本”替换为您 GPU 的计算能力版本。例如，如果您的 GPU 的计算能力版本为3.5，则命令应该是： nvcc -arch=compute_35 -code=sm_35 your_file.cu 或者，您可以使用以下命令指定计算能力版本和 GPU 架构： nvcc -gencode arch=compute_{计算能力版本},code=sm_{计算能力版本} your_file.cu 以上是关于“nvcc fatal: unsupported gpu architecture 'compute_30'”错误的解释和解决方法。希望能对你有所帮助！

“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
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