5.gpu版本Pytorch执行.cuda()代码会卡死

最新推荐文章于 2024-04-09 16:34:38 发布
最新推荐文章于 2024-04-09 16:34:38 发布
阅读量9.6k 收藏 6
点赞数 6
分类专栏： pytorch .cuda()卡死 文章标签： cuda pytorch gpu
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/weixin_42416791/article/details/115728711
版权
在使用GPU版本的PyTorch时，遇到.model.cuda()操作导致程序卡死的问题。尝试了更换不同版本的PyTorch、PyCharm以及在Python解释器中直接运行，问题依然存在。最终发现并非代码或工具版本问题，而是服务器故障所致，重启服务器后问题得到解决。此外，分享了类似问题的解决建议，如容器内PyTorch的CUDA问题。
摘要由CSDN通过智能技术生成

下载好了gpu版本的pytorch后测试

发现torch.cuda.is_available() = True了，但是.cuda()命令运行时候一直卡死，没有反应：
在这里插入图片描述
使用pycharm远程连接也是这样，一直卡死在model.cuda()语句不动：

在这里插入图片描述
怀疑了好久是不是版本有问题，尝试了各种pytorch-conda-python版本都没有用，而且我下载的就是官网推荐的版本，所以应该是没问题的。后来甚至还怀疑是不是pycharm的问题，但是上面也试了脱离pycharm直接在python虚拟环境里面的python解释器直接运行.cuda()也不行，所以也不是pycharm的问题。
附各种版本尝试，呜呜呜
在这里插入图片描述

就一直觉得问题很奇怪，最后还是请教同学跑了一下他那里的代码想看看到底怎么使用GPU的，发现他那里也不能用了，结果是因为服务器有问题了，重启了一下服务器就万事大吉了！不得不感叹重启大法确实好，我一直在找自己这里的问题，卡了很多天，反正

最低0.47元/天 解锁文章
图形学挖掘机
关注
专栏目录
Linux-Anaconda虚拟环境 安装配置GPU版本Pytorch 流程+遇到与解决问题小结
weixin_42416791的博客
04-15 3443
遇到问题 最近在用pytorch跑深度学习模型，不过一直用的是CPU，训练速度还是跟不上，正好实验室服务器比较空闲，而且cuda、cudnn也都是配置好了的，所以打算在上面的anaconda虚拟环境中配置一下我想要用的gpu版本的pytorch，配置期间遇到了不少问题，也参考了很多博主的经验，现自己总结记录一下。 总结 先说结论，代码可以跑起来了就会发现，事情怎么这么简单（笑哭），但其实是将近一周的折腾才搞好的。因为我只想连服务器的gpu用一下，上面cuda、cudnn都已经配置好了的，我只需要装一个gpu
pytorch-gpu版本安装过程中遇到的问题
qq_52643279的博客
03-08 1223
本片文章记录自己在安装gpu版本pytorch过程中遇到的问题，在安装之前一直想安装cpu版本，但不想搁置性能，于是在查阅一些博主的安装教程之后，最终顺利安装上了gpu版的pytorch 准备工作 1、安装CUDA10.2 2、安装cuDNN 3、已经安装好anaconda CUDA和cuDNN下载 1、首先打开cmd输入nvidia-smi查看自己的cuda版本 （注意：这里并不是表明你已经安装了cudatookit，仅仅代表，你当前驱动可以支持的cuda最高版本，我这里最高版本是11.1，可以下载安装
【Python】【Pytorch】【CUDA】之程序卡在.cuda()不出来
醉逍遥的博客
11-11 5165
本人环境： cuda 11.4 由于之前安装pytorch版本没有匹配，在此环境，将模型通过.cuda()往GPU上部署的时候，发现程序一直出不来。 很多人都遇到过类似问题，参考：CUDA版本11.4，pytorch应该下哪个版本的？ - 知乎 python - Pytorch get stuck at .to(‘cuda’) or .cuda() - Stack Overflowhttps://stackoverflow.com/questions/57566057/pytorch-get-s
3090/3080显卡服务器docker中使用torch的.cuda()语句卡住卡死问题解决方法
Nicolas_Yin的博客
03-15 4922
30系列显卡docker+pytorch环境配置问题 问题描述： 项目组新进了一批3090显卡的服务器，尝试把之前部署在20系列显卡上的dorcker部署到新服务器上。之前的docker内部包含内容为：cuda10.1+pytorch1.3.0。直接将老镜像打包导入新服务器之后，python中运行如下语句： >>import torch >>a=torch.zeros(1) >>a=a.cuda() 之后程序就一直卡死了，没有任何报错和警告。在尝试跑模型代码时也会存在各
3090显卡服务器使用torch中的.cuda()语句会卡死问题解决方法
qq_45215296的博客
10-18 2347
3090显卡服务器使用torch中的.cuda()语句会卡死问题解决方法
容器里 pytorch model.cuda()卡死
yimingfei的博客
11-26 8009
在容器里，模型运行到model.cuda()这一步很久不动，直到被kill。 解决方案： 查看容器里cuda为10.2版本，但是torch安装的是0.4.0版本，所以我重新安装为匹配的版本： pip3 install torch==1.6.0 torchvision==0.7.0 这样就解决了。 ...
pytorch自定义CUDA编译卡住
C_C666的博客
11-07 583
pytorch自定义CUDA编译卡住
有效解决：nvidia-smi报错Failed to initialize NVML: Unknown Error 且 print(torch.cuda.is_available())一直卡住
最新发布
weixin_46344368的博客
04-09 4396
看了n篇博客和文章，没有一篇是靠谱的（至少不适用于博主本人遇到的情况），在寻求解决方法这个过程中博主总结了可能是驱动版本问题以及曾经安装的NVIDIA CUDA的影响。删除后要去找自己GPU适配的最新驱动并进行更新。
torch.cuda.is_available()一直返回False
weixin_45246566的博客
11-20 659
今天跑扩充之后的数据集，突然发现一个被我忽视的问题，就是我的程序一直使用cpu跑的（震惊！怪不得上周跑的如此之慢），发现原因是torch.cuda.is_available()一直返回False，导致device调用的一直是cpu。gpu下一个epoch16秒，真爽！点进去直接选择对应版本（我的是cuda11.6）的命令，命令行运行就OK了。我们去官网下载安装包，至于版本号和上面的命令上写的版本对应找就ok啦~真的很慢，会超时，会下载失败，会一动不动……下载后的whl包放入想要使用的环境下的……
Win11_Pytorch_Cuda,运行崩溃的原因
weixin_45621026的博客
07-12 260
机子是小米ProX 15 ，Torch 2.0, Cuda 11。各种配置良好，检验OK。但就是运行cuda运算时间稍长时就崩溃。各种检查，居然发现是电源原因，功率不够。配130W电源，我为了方便用了65W氮化镓电源。平时工作OK，3050I一旦启动功率就不够了。
pytorch指定用多张显卡训练_关于PyTorch多GPU训练
weixin_39624071的博客
12-29 1748
最近在帮导师赶论文的一个Baseline模型，由于效率要求不得已必须把PyTorch多GPU的功能用起来了。但由于官网的tutorial里的描述相当简单，我学东西又比较想当然，于是像一只无头苍蝇一样撞来撞去，抓住能抓住的一切稻草进行改动，还是没有成功。并且由于课业繁忙，事情也搁置了很久，直到昨晚被高老师愤怒批评。没了良乡的助教，今天算是空出了一整个下午的时间，我重新思考，寻找线索，终于把训练部分的...
深度学习Ubuntu16.04-pytoch+opencv+cuda+cudnn+caffe
SSurprising的博客
12-17 3203
============================== 目录 0.ubuntu分区 1.装chrome卸火狐 2.安装最新版wineQQ 3.CUDA+cudnn 4.pytorch 5.opencv 6.pycharm 7.tensorflow 8.caffe ================================= 现在caffe整合进pytorch啦，...
Pytorch正确安装但是无法启用CUDA
热门推荐
FlySky的发问时间
07-08 1万+
情况 安装pytorch版本为pytorch1.8.1+cu11.1，win10，运行时无法调用CUDA，显示初始化失败。 Traceback (most recent call last): File "anaconda\envs\dp_tf\lib\site-packages\torch\cuda\__init__.py", line 170, in _lazy_init torch._C._cuda_init() RuntimeError: CUDA driver initializa
如何解决.cuda()加载用时很长
u014389734的博客
06-14 1457
这篇文章主要介绍了如何解决.cuda()加载用时很长的问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教 方法一： pip install --upgrade --force-reinstall http://download.pytorch.org/whl/cu80/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl 后面这个可以自己到官网上找自己对应的python和cuda版本的安装包，官网为链接： 方法
(已解决)Ubuntu多显卡训练模型时程序卡死：torch torch 奈若何
行步至春深
09-26 3066
根因是cuda和pytorch的版本不匹配~经过这次最大的收获是理解了channel并学会了下载下安装包conda install --use-local 的安装方式
解决.cuda()加载用时很长的问题
qq_40178291的博客
10-02 6220
方法一：pip install --upgrade --force-reinstall http://download.pytorch.org/whl/cu80/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl #后面这个可以自己到官网上找自己对应的python和cuda版本的安装包，官网为链接： 方法二：conda install pyt...
deepin20 RTX4060 安装cuda、显卡，及解决torch.cuda.is_available()一直返回False的玄学方法
zenglongjian的博客
07-14 948
deepin20 RTX4060 安装cuda、显卡，及解决torch.cuda.is_available()一直返回False的玄学方法
pytorch调用gpu没效果_pytorch 坑
weixin_39817012的博客
11-21 6986
1. nn.Module.cuda() 和 Tensor.cuda() 的作用效果差异对于nn.Module:model = model.cuda() model.cuda() 上面两句能够达到一样的效果，即对model自身进行的内存迁移。对于Tensor:和nn.Module不同，调用tensor.cuda()只是返回这个tensor对象在GPU内存上的拷贝，而不会对自身进行改变。因此必须对t...
pytorch无法使用cuda
qq_46458188的博客
09-11 1694
发现pytorch的注释为cpu_py310h5e1f01c_1,我安装的不是cuda版本吗，切换之后，清华源将不再起作用，起作用的为默认源。
pytorch-gpu与cuda版本对应
06-28
### 回答1： PyTorch-GPU与CUDA版本对应如下： PyTorch-GPU 1..：CUDA 9. PyTorch-GPU 1.1.：CUDA 9.、CUDA 10. PyTorch-GPU 1.2.：CUDA 9.、CUDA 10.、CUDA 10.1 PyTorch-GPU 1.3.：CUDA 9.2、CUDA 10.、CUDA 10.1 PyTorch-GPU 1.4.：CUDA 10.、CUDA 10.1、CUDA 10.2 PyTorch-GPU 1.5.：CUDA 10.1、CUDA 10.2 PyTorch-GPU 1.6.：CUDA 10.1、CUDA 10.2、CUDA 11. PyTorch-GPU 1.7.：CUDA 10.1、CUDA 10.2、CUDA 11. PyTorch-GPU 1.8.：CUDA 11.1 PyTorch-GPU 1.9.：CUDA 11.1、CUDA 11.2 需要注意的是，不同版本的PyTorch-GPU可能需要不同版本的CUDA才能正常运行。因此，在安装PyTorch-GPU时，需要根据自己的CUDA版本选择相应的PyTorch-GPU版本。 ### 回答2： PyTorch是一个流行的深度学习库，支持使用GPU加速算法运行以提高训练速度。在PyTorch中，CUDA是一种用于在NVIDIA GPU上加速计算的并行计算平台和API集合。因此，PyTorch的GPU功能需要与CUDA版本兼容。 PyTorch的GPU支持是通过与CUDA库进行交互来实现的。由于PyTorch和CUDA的版本兼容性问题，所以要使用GPU功能，需要确保安装有与PyTorch版本兼容的CUDA库。常见的PyTorch版本与CUDA版本对应关系如下： - PyTorch 1.0.x 对应 CUDA 9.0 - PyTorch 1.1.x-1.2.x 对应 CUDA 10.0 - PyTorch 1.3.x 对应 CUDA 10.1 - PyTorch 1.4.x-1.5.x 对应 CUDA 10.2 需要注意的是，不同的PyTorch版本和不同的GPU型号可能有不同的CUDA版本要求。因此，在使用GPU加速算法时，需要根据具体情况选择合适的PyTorch版本和CUDA版本。 总之，为了确保PyTorch能够充分利用GPU的加速能力，需要安装正确版本的CUDA库，并确保与PyTorch版本兼容。通过此功能使用GPU加速可以加快训练速度，提高模型性能。 ### 回答3： PyTorch是一个基于Python的开源机器学习框架，具有广泛的应用和活跃的社区支持。PyTorch可以在CPU和GPU上运行，而使用GPU的最简单方法是使用CUDA（Compute Unified Device Architecture）工具包。CUDA是由NVIDIA开发的并行计算平台和应用程序接口，用于在GPU上进行高性能计算。因此，PyTorch需要与正确版本的CUDA协同工作，以在GPU上实现最佳性能。 不同版本的PyTorch对应着不同版本的CUDA，因此在安装PyTorch之前需要确定使用哪个版本的CUDA。在PyTorch官网上推荐使用的版本如下： PyTorch 1.7.x：CUDA 10.1，CUDA 10.2或CUDA 11.0 PyTorch 1.6.x：CUDA 10.1，CUDA 10.2或CUDA 11.0 PyTorch 1.5.x：CUDA 10.1或CUDA 10.2 PyTorch 1.4.x：CUDA 10.1 PyTorch 1.3.x：CUDA 10.1 PyTorch 1.2.x：CUDA 9.2 需要注意的是，不同版本的CUDA需要特定的GPU架构才能运行，因此在安装CUDA之前，需要先了解自己的GPU支持哪些架构。此外，为了避免因为版本不匹配而发生不必要的打扰或错误，建议在安装PyTorch之前也检查一下自己机器上CUDA的版本。如果是多个版本共存，则需要设置环境变量以指示使用哪个版本。 总之，在安装和使用PyTorch时，需要对应选择正确的CUDA版本，以保证在GPU上获得最佳性能和稳定性。同时，需要了解自己机器上GPU的性能和支持的CUDA版本，以避免不必要的打扰和错误。
评论 3
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