复现论文代码时，出现nvcc fatal : Unsupported gpu architecture ‘compute_75‘)

_luCkYy

已于 2022-02-11 10:33:24 修改

阅读量1.7k

点赞数 2

CC 4.0 BY-SA版权

文章标签： cuda

于 2021-11-22 15:11:10 首次发布

本文链接：https://blog.youkuaiyun.com/Cuzyan/article/details/121465098

可能因为自己GPU太新，cuda版本不支持

我的cuda版本是9.1，所以我又安装了一个cuda10.0版本

1. 下载cuda10.0版本
官网地址：链接: https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal.
选择 Linux -> x86_64 -> Ubuntu -> 18.04 -> runfile(local) （根据自己电脑版本选择）

2. 安装cuda10.0版本
我下载的是cuda_10.0.130_410.48_linux.runfile。
下载好后进入到cuda_10.0.130_410.48_linux.run 所在的目录，执行下面两条命令安装：

sudo chmod +x cuda_10.0.130_410.48_linux.run     # 为 cuda添加可执行权限
sudo ./cuda_10.0.130_410.48_linux.run     # 安装

接下来，一直长按enter，会出现以下界面，一步一步照着做就行

Do you accept the previously read EULA?
accept/decline/quit

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

_luCkYy

关注关注

2
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【已解决】PCL配置中出现：nvcc fatal : Unsupported gpu architecture ‘compute_30‘

kanbarakun的博客

02-26

3451

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。

【解决30、40系列显卡使用mmrotate出现nvcc fatal: Unsupported gpu architecture ‘compute_86‘及size mismatch报错】

weixin_44495772的博客

08-25

558

Facebook在2021年推出了pytorch1.8.0版本，而英伟达第一个型号的40系列显卡是在22年发布，因此需要更高的torch版本来支持更高版本的sm_86架构（即更高版本的cuda）。主要原因是mmrotate教程推荐的pytorch版本太低，因此需要保证当前使用的torch。和cuda版本适配30、40系列的显卡，而mmcv也必须重新安装适配torch的版本。

参与评论您还未登录，请先登录后发表或查看评论

问题解决：nvcc fatal : Unsupported gpu architecture ‘compute_75‘

最新发布

nixingg的博客

05-27

917

摘要：在安装cuDNN时遇到"nvcc fatal: Unsupported gpu architecture 'compute_100'"错误，原因是CUDA 12.0不支持计算能力10.0、10.1和12.0的架构。解决方法是通过sudo vim修改/usr/src/cudnn_samples_v9/mnistCUDNN/Makefile文件，注释掉原有代码并添加过滤不支持的架构的代码。修改后执行sudo make clean和sudo make不再报错，运行./mnistCUDNN

nvcc fatal : Unsupported gpu architecture 'compute_75'

qq_38343151的博客

05-01

1797

Had the same problem and got to the bottom of it. My configuration is a Tesla T4 with 410.92 driver and CUDA 9.2, Ubuntu 18.10. The thing is, the torch installer tries for some reason to use the highe...

cmake编译caffe：nvcc fatal : Unsupported gpu architecture 'compute_75'

xunan003的博客

05-30

1万+

运行MobileNet-YOLO（https://github.com/eric612/MobileNet-YOLO）时由于博主显卡为RTX2080，计算能力为7.5，所以需要在cmake/Cuda.cmake文件中添加：第7行：set(Caffe_known_gpu_archs "20 21(20) 30 35 50 60 61 75") (备注：75为添加的值) 第74行：添加 ...

cuda版本和ARCH计算力匹配，caffe nvcc fatal : Unsupported gpu architecture ‘compute_75‘

邹九的个人博客

12-19

1469

在2080ti安装caffe的时候，编译报错了的，主要是ARCH不支持compute_75，这个主要还是cuda的版本过低导致的，要使用大于9.0的版本各个cuda版本和arch对应的情况 Turing Compatibility Guide :: CUDA Toolkit Documentation (nvidia.com)https://docs.nvidia.com/cuda/turing-compatibility-guide/index.html#verifying-turing-compa

Debug：nvcc fatal: Unsupported gpu architecture ‘compute_86‘； sm_86 is not compatible with Pytorch

qq_41035283的博客

05-13

2517

Debug：nvcc fatal: Unsupported gpu architecture 'compute_86' 问题描述1 编译knn_cuda时，报了个错： nvcc fatal : Unsupported gpu architecture ‘compute_86‘ 意思是显卡算力太高，安装的cuda版本不支持（竟然还有这么神奇的错误），compute_86指显卡计算能力是8.6，RTX 30系，A系显卡都是这个算力。解决方法通过系统环境变量设置降低算力： export TORCH_CUDA

caffe 编译 + nvcc fatal : Unsupported gpu architecture ‘compute_86‘

wuyeyoulan23的专栏

12-09

1765

caffe (GPU版) 编译出现错误： nvcc fatal : Unsupported gpu architecture ‘compute_86‘ （出现以上错误消息时的caffe环境配置： 1. win11 + NVIDIA RTX3080 2.cmake-3.16.8-win64-x64.msi 3.en_visual_studio_community_2015_with_update_3_x86_x64_dvd_8923300.iso 4. Anaconda3-2021.05-W...

nvcc fatal : Unsupported gpu architecture ‘compute_75‘

m0_46429066的博客

04-30

912

问题：在安装detectron2过程中，build报错，从原来的TITAN XP迁移到TITAN RTX, 通过查阅资料：detectron2和nvcc报错的描述，发现XP计算能力是7.0， RTX计算能力是7.5，而我使用的是CUDA9.0, 只支持最高7.0的算力，所以会出现7.5不支持的情况；解决办法：在setup.py文件中，增加两行代码： extra_compile_args["nvcc"] = ['--gpu-architecture=compute_70','--gpu-code=sm_7

caffe 编译遇到 nvcc fatal : Unsupported gpu architecture ‘compute_75‘

Mr_Yoky的博客

07-14

1321

cuda版本为9.0，GPU为1660 SUPPER 本应该安装cuda 10.2，但通过修改caffe源码的cuda.cmake可以实现编译 1.第59行改为 set(__archs_names "Kepler" "Maxwell" "Pascal" "All" "Manual") 2.第75行改为 elseif(${CUDA_ARCH_NAME} STREQUAL "Pascal") set(__cuda_arch_bin "75") 3.第97行 set(_...

Linux安装detectron2出现nvcc fatal : Unsupported gpu architecture compute_75

kelly1250230225的博客

05-31

1425

我的电脑python3.6.9,pytorch1.4,opencv4.2，具体安装方式可以自行百度参考链接基本配置及版本要求 1.OS: Linux 或 macOX 2.Python>=3.6 3.PyTorch>=1.4 4.opencv(python 版）(可选)，用于demo运行和可视化 5.安装pycocotools 查看pytorch是否能调用GPU import torch, torchvision print(torch.__version__, torch.cuda.is_a

nvcc fatal: Unsupported gpu architecture ‘compute_75‘

诺有缸的高飞鸟的博客

01-05

896

编译colmap 3.8时报错nvcc fatal: Unsupported gpu architecture 'compute_75'

解决问题使用nvcc fatal : Unsupported gpu architecture ‘compute_75‘

牛肉胡辣汤

11-29

2489

如果发现当前的 CUDA 版本不支持你的 GPU 架构，那么你需要更新 CUDA 到一个支持你的 GPU 架构的版本。首先，你需要卸载当前的 CUDA 版本。不同版本的 CUDA 支持不同的 GPU 架构，如果 GPU 架构超出了 CUDA 版本的支持范围，就会出现这个错误。然后，你可以查阅 NVIDIA 官方文档，找到该版本所支持的 GPU 架构，并确认你的 GPU 是否在支持列表中。请注意，这种做法可能会导致生成的代码不能充分利用 GPU 的性能和特性，因为它们是为支持的 GPU 架构进行了优化的。

nvcc fatal

weixin_43317108的博客

03-26

257

nvcc fatal 磁盘/tmp为read only，检查是否有sudo权限，如有，检查磁盘是否正常挂载； nvcc版本和gcc版本是否兼容。

NVCC Fatal

qq_41955460的博客

04-15

645

环境：虚拟机：Ubuntu 18.04.5 LTS (GNU/Linux 5.4.0-108-generic x86_64) python：3.8.10 pytorch：1.7.1+cu110 cuda：11.0.221 问题： /usr/local/cuda/bin/nvcc -I/tmp/pip-req-build-ui3v4u82/svox2/csrc/include -I/tmp/pip-req-build-ui3v4u82/usr/local/miniconda3/pkgs/nvid

编译OpenCV：nvcc fatal : Unsupported gpu architecture 'compute_75'

柳鲲鹏

03-24

6365

　　编译时提示如下错误： nvcc fatal : Unsupported gpu architecture 'compute_75' 　　应该是GPU太新，使用的CUDA9.2版本不支持。　　吾去掉CUDA_GENERATION=Auto，编译通过。 ...

nvcc fatal：Unsupported gpu architecture ‘compute_89‘

m0_37937789的博客

05-11

2336

nvcc fatal: Unsupported gpu architecture 'compute_89'

编译DCNv2 nvcc fatal : Unsupported gpu architecture 'compute_86'

12-27

### 编译 DCNv2 时遇到 `nvcc` 不支持 GPU 架构 `'compute_86'` 的解决方案当尝试编译带有特定 CUDA 版本的项目如 DCNv2 并遭遇 `nvcc fatal : Unsupported gpu architecture 'compute_86'` 错误时，这通常意味着当前使用的 NVIDIA 编译器工具链版本不兼容所指定的目标架构。 #### 修改 Makefile 或 CMakeLists.txt 文件对于此类问题的一个常见修复措施是在项目的构建配置文件中调整目标计算能力设置。具体来说，在 `Makefile` 或者 `CMakeLists.txt` 中找到定义 CUDA 架构的地方，并将其更改为与本地环境相匹配的支持版本： ```makefile CUDA_ARCH := -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gencode arch=compute_60,code=sm_60 \ -gencode arch=compute_70,code=sm_70 \ -gencode arch=compute_75,code=sm_75 \ -gencode arch=compute_80,code=sm_80 \ -gencode arch=compute_86,code=sm_86 # 移除或注释掉这一行 ``` 如果使用的是较新的 CUDA 工具包，则可能需要移除或修改上述代码片段中的最后一行，因为并非所有的 CUDA 发布版都支持最新的 GPU 架构[^1]。 #### 更新 CUDA 安装路径另一个潜在的原因可能是由于系统上的 CUDA 路径配置不当引起的。确认 `.bashrc` 和其他 shell 配置文件里关于 CUDA 的环境变量指向了正确的安装位置。例如： ```shell export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 确保这些路径确实对应于已安装的 CUDA 版本，并且该版本能够识别并处理所需的目标架构[^4]。 #### 使用合适的 PyTorch 及其依赖库版本考虑到不同版本之间的兼容性差异，建议检查正在使用的 Python、PyTorch 和 CUDA 组合是否相互兼容。特别是对于深度学习框架而言，某些预编译二进制文件可能会针对特定硬件特性进行优化，因此选择适当组合非常重要[^5]。通过以上方法应该可以有效解决因 `nvcc` 不支持某一代号为 `compute_86` 的 GPU 架构而导致的编译失败问题。