pytorch执行报错cuda版本不匹配
RuntimeError: GET was unable to find an engine to execute this computation
nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2020 NVIDIA Corporation Built on Tue_Sep_15_19:10:02_PDT_2020 Cuda compilation tools, release 11.1, V11.1.74 Build cuda_1.1TC455_06.29069683_0
安装的torch版本是cuda11.8，但是机器环境指向的是11.1版本
vim ~/.bashrc # 将下面的命令追加到bashrc文件中 source ~/.bashrc
bashrc是全局变量文件，source后会在所有的虚拟环境里面生效。export导入多个cuda文件，最后生效的是最后一次export的cuda版本。
# 下面命令将机器环境cuda版本指向cuda11.8 export PATH=/usr/local/cuda-11.8/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
cuda11.8
nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2022 NVIDIA Corporation Built on Wed_Sep_21_10:33:58_PDT_2022 Cuda compilation tools, release 11.8, V11.8.89 Build cuda_11.8.r11.8/compiler.31833905_0
执行完上述命令后，脚本不再报错。
RuntimeError: GET was unable to find an engine to execute this computation 这个报错通常与 PyTorch 在使用 GPU 时的问题有关，可能的原因有：
- CUDA 驱动程序问题：CUDA 驱动程序没有正确安装或版本不匹配。
- CUDA 工具包未正确配置：CUDA 工具包未正确安装或环境变量未正确配置。
- PyTorch 编译时未正确支持 CUDA：你安装的 PyTorch 版本可能没有编译支持 CUDA。
- GPU 被其他进程占用：当前 GPU 被其他进程占用，导致无法使用。
- 硬件问题：GPU 硬件可能有问题，导致无法执行计算。
解决步骤
1. 检查 CUDA 驱动程序
确保 CUDA 驱动程序已正确安装并且版本与 CUDA 工具包版本匹配。使用以下命令检查：
nvidia-smi
如果输出显示 GPU 信息，说明 CUDA 驱动程序已正确安装。
2. 检查 CUDA 工具包
确保 CUDA 工具包已正确安装，并且 nvcc 命令可以运行：
nvcc --version
确保输出显示 CUDA 版本信息。
3. 检查 PyTorch 是否支持 CUDA
确保你安装的 PyTorch 版本支持 CUDA，并且 CUDA 版本与 PyTorch 版本兼容。运行以下代码：
import torch print(torch.__version__) print(torch.version.cuda) print(torch.cuda.is_available()) print(torch.backends.cudnn.version())
确保输出显示 CUDA 可用，并且 CUDA 和 cuDNN 版本正确。
4. 检查 GPU 使用情况
确保 GPU 未被其他进程占用。使用以下命令检查 GPU 使用情况：
nvidia-smi
5. 重新安装支持 CUDA 的 PyTorch
如果问题仍然存在，尝试重新安装支持 CUDA 的 PyTorch 版本：
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
确保将 cu113 替换为你实际需要的 CUDA 版本。
示例代码进行检查
以下是一些示例代码来进行检查和调试：
import torch
# 检查 PyTorch 和 CUDA 版本
print("PyTorch version:", torch.__version__)
print("CUDA version:", torch.version.cuda)
# 检查 CUDA 是否可用
cuda_available = torch.cuda.is_available()
print("Is CUDA available:", cuda_available)
# 检查 GPU 设备数量
device_count = torch.cuda.device_count()
print("CUDA device count:", device_count)
if cuda_available:
for i in range(device_count):
print(f"Device {i}: {torch.cuda.get_device_name(i)}")
# 尝试运行简单的 CUDA 操作
if cuda_available:
try:
x = torch.tensor([1.0, 2.0, 3.0], device='cuda')
y = x ** 2
print("CUDA computation result:", y)
except RuntimeError as e:
print("CUDA computation failed:", e)PyTorch version: 2.1.0+cu118 CUDA version: 11.8 Is CUDA available: True CUDA device count: 4 Device 0: NVIDIA GeForce RTX 3090 Device 1: NVIDIA GeForce RTX 3090 Device 2: NVIDIA GeForce RTX 3090 Device 3: NVIDIA GeForce RTX 3090 CUDA computation result: tensor([1., 4., 9.], device='cuda:0')
通过这些步骤，你应该能找到并解决 RuntimeError: GET was unable to find an engine to execute this computation 的原因。
到此这篇关于pytorch执行报错cuda版本不匹配的文章就介绍到这了,更多相关pytorch cuda版本不匹配内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
很多时候,使用python进行数据分析的第一步就是读取excel文件,下面这篇文章主要给大家介绍了关于如何用python获取EXCEL文件内容并保存到DBC的相关资料,需要的朋友可以参考2023-12-12
Windows和夜神模拟器上抓包程序mitmproxy的安装使用详解
mitmproxy是一个支持HTTP和HTTPS的抓包程序，有类似Fiddler、Charles的功能，只不过它是一个控制台的形式操作，这篇文章主要介绍了Windows和夜神模拟器上抓包程序mitmproxy的安装使用详解,需要的朋友可以参考下2022-10-10
NumPy提供了多种存取数组内容的文件操作函数,保存数组数据的文件可以是二进制格式或者文本格式,下面这篇文章主要给大家介绍了关于numpy工程实践之np.savetxt()存储数据的相关资料,需要的朋友可以参考下2023-05-05
Python常见库matplotlib学习笔记之画图文字的中文显示
在Python中使用matplotlib或者plotnine模块绘图时,常常出现图表中无法正常显示中文的问题,下面这篇文章主要给大家介绍了关于Python常见库matplotlib学习笔记之画图文字的中文显示的相关资料,需要的朋友可以参考下2023-05-05
这篇文章主要介绍了python爬虫请求头的使用,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-12-12
掌握 Python 中的 set 数据结构，是算法和数据结构的基本功，今天我们从一个实战案例出发，探讨如何利用Python集合显著优化算法性能，感兴趣的同学跟着小编一起来探讨吧2023-06-06
这篇文章主要介绍了Python中的POST请求参数方式,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2025-04-04
这篇文章主要给大家介绍了关于Python中很常用的函数map()用法的相关资料,map()函数是Python的内置函数,会根据提供的函数参数,对传入的序列数据进行映射,需要的朋友可以参考下2023-10-10
这篇文章主要为大家详细介绍了python实现邮件自动发送，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-08-08
这篇文章主要介绍了Python中操作符重载用法,较为详细的分析了Python操作符重载的功能,使用方法与相关注意事项,需要的朋友可以参考下2016-04-04
最新评论