NVIDIA rtx3070显卡驱动、算力和cuda版本匹配关系

已于 2022-12-18 22:41:08 修改
阅读量1w 收藏 21
点赞数 4
分类专栏： Ubuntu操作指南及常见问题解决方法 环境配置 文章标签： window NVIDIA 显卡设置
于 2022-03-03 12:44:00 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/weixin_45392081/article/details/123250991
版权
在尝试使用RTX3070显卡进行CUDA运算时遇到RuntimeError，错误提示为CUDAerror:nokernelimageisavailableforexecutiononthedevice。问题可能出在版本不匹配上，当前CUDA版本为11.4，显卡驱动对应的是CUDA 11.x。解决方案可能是更新到支持RTX3070的CUDA版本，例如11.1或更高。检查并确保PyTorch版本与CUDA版本兼容，以解决此问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

问题描述：3070装好显卡驱动，cuda之后无法使用，抛出异常：RuntimeError: CUDA error: no kernel image is available for execution on the device

原因：版本之间不匹配

我的显卡驱动：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.103.01   Driver Version: 470.103.01   CUDA Version: 11.4     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  Off  | 00000000:1A:00.0 Off |                  N/A |
| 30%   35C    P8    15W / 220W |    497MiB /  7982MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   1  NVIDIA GeForce ...  Off  | 00000000:3D:00.0 Off |                  N/A |
| 30%   30C    P8    18W / 220W |      8MiB /  7982MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   2  NVIDIA GeForce ...  Off  | 00000000:89:00.0 Off |                  N/A |
| 30%   30C    P8    20W / 220W |      8MiB /  7982MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   3  NVIDIA GeForce ...  Off  | 00000000:B2:00.0 Off |                  N/A |
| 30%   31C    P8    23W / 220W |      8MiB /  7982MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

显卡算力查看：链接

3070 算力：8.6

torch版本所需算力查看方法：

import torch
torch.cuda.get_arch_list()

torch所需算力（用前面的方法试出来的）

package	pyton	cuda	cudnn	architectures
pytorch-1.0.0	py3.7	cuda10.0.130	cudnn7.4.1_1	sm_30, sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.0.0	py3.7	cuda8.0.61	cudnn7.1.2_1	sm_20, sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61
pytorch-1.0.0	py3.7	cuda9.0.176	cudnn7.4.1_1	sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61, sm_70
pytorch-1.0.1	py3.7	cuda10.0.130	cudnn7.4.2_0	sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.0.1	py3.7	cuda10.0.130	cudnn7.4.2_2	sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.0.1	py3.7	cuda8.0.61	cudnn7.1.2_0	sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61
pytorch-1.0.1	py3.7	cuda8.0.61	cudnn7.1.2_2	sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61
pytorch-1.0.1	py3.7	cuda9.0.176	cudnn7.4.2_0	sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.0.1	py3.7	cuda9.0.176	cudnn7.4.2_2	sm_35, sm_50, sm_60, sm_70
pytorch-1.1.0	py3.7	cuda10.0.130	cudnn7.5.1_0	sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.1.0	py3.7	cuda9.0.176	cudnn7.5.1_0	sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.2.0	py3.7	cuda9.2.148	cudnn7.6.2_0	sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.2.0	py3.7	cuda10.0.130	cudnn7.6.2_0	sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.2.0	py3.7	cuda9.2.148	cudnn7.6.2_0	sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.3.0	py3.7	cuda10.0.130	cudnn7.6.3_0	sm_30, sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.0	py3.7	cuda10.1.243	cudnn7.6.3_0	sm_30, sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.0	py3.7	cuda9.2.148	cudnn7.6.3_0	sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.3.1	py3.7	cuda10.0.130	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.1	py3.7	cuda10.1.243	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.1	py3.7	cuda9.2.148	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.4.0	py3.7	cuda10.0.130	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.4.0	py3.7	cuda10.1.243	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.4.0	py3.7	cuda9.2.148	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.5.0	py3.7	cuda10.1.243	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.0	py3.7	cuda10.2.89	cudnn7.6.5_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.0	py3.7	cuda9.2.148	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.5.1	py3.7	cuda10.1.243	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.1	py3.7	cuda10.2.89	cudnn7.6.5_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.1	py3.7	cuda9.2.148	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.6.0	py3.7	cuda10.1.243	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.6.0	py3.7	cuda10.2.89	cudnn7.6.5_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.6.0	py3.7	cuda9.2.148	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.7.0	py3.7	cuda10.1.243	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.0	py3.7	cuda10.2.89	cudnn7.6.5_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.0	py3.7	cuda11.0.221	cudnn8.0.3_0	sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80
pytorch-1.7.0	py3.7	cuda9.2.148	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.7.1	py3.7	cuda10.1.243	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.1	py3.7	cuda10.2.89	cudnn7.6.5_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.1	py3.7	cuda11.0.221	cudnn8.0.5_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80
pytorch-1.7.1	py3.7	cuda9.2.148	cudnn7.6.3_0	sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.8.0	py3.7	cuda10.1	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.0	py3.7	cuda10.2	cudnn7.6.5_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.0	py3.7	cuda11.1	cudnn8.0.5_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.8.1	py3.7	cuda10.1	cudnn7.6.3_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.1	py3.7	cuda10.2	cudnn7.6.5_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.1	py3.7	cuda11.1	cudnn8.0.5_0	sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86

结论：rtx 3070 需要安装cuda11以上（也许并不绝对，我猜的）

references：

  1. https://blog.csdn.net/weixin_42642296/article/details/115598760
  2. https://developer.nvidia.com/zh-cn/cuda-gpus#compute

±----------------------------------------------------------------------------+
| NVIDIA-SMI 470.103.01 Driver Version: 470.103.01 CUDA Version: 11.4 |
|-------------------------------±---------------------±---------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=++==============|
| 0 NVIDIA GeForce … Off | 00000000:1A:00.0 Off | N/A |
| 30% 35C P8 15W / 220W | 497MiB / 7982MiB | 0% Default |
| | | N/A |
±------------------------------±---------------------±---------------------+
| 1 NVIDIA GeForce … Off | 00000000:3D:00.0 Off | N/A |
| 30% 30C P8 18W / 220W | 8MiB / 7982MiB | 0% Default |
| | | N/A |
±------------------------------±---------------------±---------------------+
| 2 NVIDIA GeForce … Off | 00000000:89:00.0 Off | N/A |
| 30% 30C P8 20W / 220W | 8MiB / 7982MiB | 0% Default |
| | | N/A |
±------------------------------±---------------------±---------------------+
| 3 NVIDIA GeForce … Off | 00000000:B2:00.0 Off | N/A |
| 30% 31C P8 23W / 220W | 8MiB / 7982MiB | 0% Default |
| | | N/A |
±------------------------------±---------------------±---------------------+

CUDA | RTX3070 | Pytorch 版本对应| 深度学习加速器
m0_72160465的博客
06-20 1278
这个教程在b站和网上很多，但是随着软件更新，包的冲突问题也越来越明显，所以在这里记录我的版本。
WSL2 Ubuntu22.04 + 3070安装cuda11.6 +Pytorch1.13.0全纪录
qq_31034951的博客
11-02 5037
记录了在windows的WSL子系统Ubuntu-22.04发行版上安装cuda11.6和Pytorch1.13的过程
windows10安装NVIDIA显卡驱动+cuda10.0教程
qq_39493185的博客
10-28 2万+
windows10+nvidia驱动+cuda10.0+cudnn安装教程1、安装个鲁大师2、确定本机是否支持GPU加速3、更换至匹配的显卡驱动4、下载和安装cuda和cudnn5、验证6、游戏加速7、分享个漂亮的壁纸 1、安装个鲁大师 查看下显卡驱动的版本。安装cuda10需要驱动版本大于411。否则就卸载。 2、确定本机是否支持GPU加速 右击“此电脑”----选择“管理”—选择设备管理器—选择“显示适配器”就可以查看你的电脑是不是英伟达显卡（必须是英伟达的显卡，并且高于gtx950M以上级别） 3、
cuda版本与GPU算力对应关系
最新发布
qq_49088955的博客
03-14 326
链接：1. Introduction — NVIDIA Data Center Drivers r570 documentation
GTX3070 cuda11.4 安装pytorch环境
qq_37016176的博客
11-01 481
Pytroch使用GTX 3070显卡
RTX3070 Windows上安装CUDA Python开发环境
apone的博客
09-09 2131
RTX3070 Windows上安装CUDA Python开发环境 Step.1 安装CUDA驱动 我安装的是CUDA11.4，自己根据自己的显卡型号安装 下载相对应的版本进行安装 https://developer.nvidia.com/cuda-zone (该网址为官方网址，但是我没打开) Step.2 安装Anaconda 网上有教程自行查找。 Step.3 安装CUDA Tool kit和Jupyter 以管理员身份打开conda命令行，首先创建一个Conda的虚拟环境(建议按照以下代码输入) co
CUDA版本和NVIDA显卡驱动版本的匹配信息
weixin_38106878的博客
11-14 1798
很多时候在搭建深度学习环境的时候会纠结如何选择显卡驱动版本和CUDA版本问题，所以，为了更加方便的找到相关信息，从NVIDIA官网截取下来了这个配置表，希望对大家有所帮助！！ 官网链接：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html ...
win11+RX3070+CUDA11.7+cuDNN8.6.0+Pytorch+anaconda小白配置GPU版本的虚拟环境
weixin_40941004的博客
08-05 874
5、后来，我又查了很多帖子，发现很少有用cuda11.8和python3.10，就把cuda11.8卸载了，装了cuda11.7和python3.8，验证pytorch的结果就是True了。2、 经过查询，算力是8，CUDA的版本在11.0-12.2之间即可，一开始我选择的是11.8，python3.10，在anaconda prompt中输入命令。6、这里有一点，我看网上说cuda和pytorch的版本要一一对应，并且pytorch的官网上也说，cuda11.7对应pytorch1.13.0，
NVIDIA RTX A2000显卡驱动
11-12
NVIDIA RTX A2000显卡驱动 适用于winserver 2016-2019-64bit 已验证
NVIDIA GeForce RTX 20 Series显卡驱动下载
11-28
RTX 2050：该系列入门级显卡，可满足一般的游戏需求以及一些基础的图形设计和视频编辑工作。 RTX 2060：该系列中端显卡，性能较 RTX 2050 有显著提升，可流畅运行大多数主流游戏。 RTX 2060 Super：RTX 2060 的加强...
NVIDIA GeForce RTX 40 Series显卡驱动下载
11-28
RTX 4060 Ti 8GB：这是主流级别的显卡，基于 AD106 核心设计，拥有 4352 个 CUDA 核心、34 个 RT 单元和 136 个张量核心，配备 8GB 的 GDDR6 显存，L2 缓存从之前的 4MB 大幅度提升到了 32MB。其功耗较低，TGP 功耗...
Nvidia GeForce GTX 1080显卡驱动（Win10、Win11驱动）
11-25
硬件识别与通信：显卡驱动包含了 GTX 1080 的硬件设备信息，使得操作系统能够准确识别显卡，并与之建立通信桥梁，实现数据的正常传输。若没有安装正确的驱动程序，操作系统将无法充分发挥显卡的功能，甚至可能无法...
关于CUDA与GPU的算力匹配问题
chengxy1998的博客
12-14 1万+
出现问题当前cuda的算力与gpu的算力不匹配的问题。NVIDIA GeForce RTX GPU 的算力为8.6 而当前的Pytorch安装的CUDA最高算力支持7.5 查看显卡算力：https://developer.nvidia.com/zh-cn/cuda-gpus 查看CUDA的算力：https://docs.nvidia.com/cuda/ampere-compatibility-guide/index.html#verifying-ampere-compatibility-using-cu.
Windows 10，RTX 3070安装Tensorflow及 CUDA
weixin_44176124的博客
09-10 4793
目录 前言 安装tensorflow 安装CUDA及cudnn 结尾 前言 据网上说，30系显卡只能适配11.1版本以上的CUDA 于是我们选择版本的时候只有一种选择了： 写文章的日期为2021/9/10 图片来源于tensorflow官网：在 Windows 环境中从源代码构建 | TensorFlow (google.cn) 安装不对版本的软件可能会出现无法调用GPU或运行前加载时间长的问题 我用的python版本是3.8 建议用Anaconda安装相应软件，...
ubuntu20.04安装Nvidia 3070驱动
qq_41166909的博客
04-03 3961
ubuntu20.04安装nvidia 3070驱动 2.因为是重装，所以有提醒，我只是修改了用户密码，驱动就掉了 选择continue 3.说是检测到发行商提供了一个可供选择的方式安装，更适合你的主板，可以更好的集成系统，我为了省事，选择默认，所以选择continue 翻译翻译 检测到安装英伟达驱动程序的另一种方法。（这是 通常是经销商提供的包装。）通过它安装的驱动程序 方法可能比安装的驱动程序更好地与您的系统集成 nvidia安装程.......
NVIDIA GPU 运算能力列表
热门推荐
凌风探梅的专栏
03-16 10万+
FROM：https://developer.nvidia.com/cuda-gpus CUDA GPUs NVIDIA GPUs power millions of desktops, notebooks, workstations and supercomputers around the world, accelerating computationally-i
深度学习环境配置：win10系统+RTX3070+cuda11.3+cudnn8.2+pytorch1.11
LeonaCuiの本棚
08-05 6728
深度学习环境配置：pytorch框架+win10系统+RTX3070+cuda11.3+cudnn8.2 win10系统 rtx3070，必须安装cuda11以上版本，对应的pytorch是1.11版本
rt3070驱动下载 linux,rt3070_linux_driver RT3070 - 下载 - 搜珍网
weixin_42113794的博客
05-16 558
2011_0719_RT3070_RT3370_RT5370_RT5372_Linux_STA_V2.5.0.3_DPO/chips/rt28xx.c2011_0719_RT3070_RT3370_RT5370_RT5372_Linux_STA_V2.5.0.3_DPO/chips/rt3070.c2011_0719_RT3070_RT3370_RT5370_RT5372_Linux_STA_V2...
Ubuntu20.04 Nvidia RTX 3070 显卡驱动怎么安装
04-08
你可以参考以下步骤安装Nvidia RTX 3070显卡驱动： 1. 从Nvidia官网下载适用于Ubuntu 20.04的最新驱动程序。 2. 按Ctrl+Alt+F3打开终端，然后输入sudo systemctl stop gdm，以停止图形显示管理器。 3. 输入sudo chmod +x NVIDIA-Linux-x86_64-xxx.run（驱动程序的文件名），使其可执行。 4. 运行驱动程序，输入sudo ./NVIDIA-Linux-x86_64-xxx.run（驱动程序的文件名）。 5. 安装过程中会提示你进行一些配置，按照提示进行即可。 6. 安装完成后，输入sudo reboot重启计算机。 希望能够帮到你！ 笑话时间：为什么中国人不打嗝？因为他们都是“吃吧”出身，不用嗝气！
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

打赏作者

放羊Wa

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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