Check failed：error == cudaSuccess(30 vs. 0) unkown error

最新推荐文章于 2025-06-25 11:56:07 发布
原创 最新推荐文章于 2025-06-25 11:56:07 发布 · 1.2w 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

今天被这个问题折腾惨了。昨天Caffe使用还一切正常，今天就突然出现了这个问题，如下图所示：


我尝试重新安装CUDA，重新编译安装Caffe，都没有成功解决。后来灵机闪现，想到是不是显卡驱动的问题（其实我就应该想到的，哎！）

右击我的电脑->管理->设备管理->显示适配器


如图（现在是正常状态），GT 730M显卡驱动前面应该是一个黄色小三角内部有个小叹号。右击->卸载。成功卸载后重新安装就Ok了。可以使用鲁大师，驱动精灵等软件安装。我是重启后显卡驱动程序自动安装的。

目前，这个问题总算是解决了。做个小总结吧。

无论是在Linux还是在Windows下，如果我们在使用Caffe时遇到Check failed: error(state) == cudaSuccess( ** vs. 0) 这样的问题，我们首先要考虑的是显卡驱动是否安装正确，如果显卡驱动安装正确检查CUDA是否安装正确。一般就是就这两个问题。

下面几个可能对你有用的连接

faster-rcnn训练时出现error == cudaSuccess (30 vs. 0)


http://stackoverflow.com/questions/40279737/caffe-gpu-cuda-error-after-training-check-failed-error-cudasuccess-30-vs


MxNet base.h:459: Check failed: e == cudaSuccess (30 vs. 0) : CUDA: unknown error nvidia-smi显卡ERR！
Hello Word!
08-09 1326
命令输出缓慢，并且报ERR 1，重启机器 2，重装驱动 3，维修或换显卡
Check failed: error == cudaSuccess (38 vs. 0) no CUDA-capable device is detected
清风与归
03-25 1941
Check failed: error == cudaSuccess (38 vs. 0) no CUDA-capable device is detected *** Check failure stack trace: *** @ 0x7fc585c8f5cd google::LogMessage::Fail() @ 0x7fc585c91433 goog...
Check failed: error == cudaSuccess (74 vs. 0) misaligned address
01-08
以下摘自github hoszbh的回答 https://github.com/BVLC/caffe/issues/5729 modifying cudnn_conv_layer.cpp and aligning the address to be multiples of 32. You can insert tow lines of code before size_t total_max_workspace = ... as follow: size_t m=32; max_workspace = (max_workspace + m-1) / m * m;
【caffe】 Check failed: error == cudaSuccess (30 vs. 0) unknown error
人工智能技术学习与分享
11-22 1万+
解决办法 ：　加 sudo用caffe,不报错,那一定要的时假caffe. ubuntu16.04 ,写了一个.py文件调用resnet.caffemodel 来对图片进行分类. 但是在运行时出错,错误是...略 layer { name: "prob" type: "Softmax" bottom: "fc2" top: "prob" } I1122 13:37:10.8868
几种方案解决RuntimeError: CUDA unknown error - this may be due to an incorrectly set up environme
最新发布
frombuttom的博客
06-25 318
首先确认.bashrc中已经配置好基本的cuda环境。重启过短时间又会莫名其妙的失效。原理未知，亲测有效。
【caffe】 Check failed: error == cudaSuccess (30 vs. 0) unknown error
Allyli0022的专栏
01-30 1261
用nvidia-smi测试，若没有检测到GPU驱动，则安装驱动 sh NVIDIA-Linux-x86_64-390.25.run 问题解决。
Caffe运行时 Check failed: error == cudaSuccess (30 vs. 0) unknown error
NcepuKZH的博客
08-12 420
sudo 很重要 用Caffe 不报错 感觉学习过程都不完整，在训练车辆Reid模型的时候 不经意间出现这个错误，刚开始怀疑有人动了服务器的训练脚本，后来怀疑是自己的不正当操作导致的cuda cudnn的问题，后来有怀疑是prototxt配置文件数据源路径的问题 …最后才知道 相比之前一次的训练 忘记了sudo 两个小时 过程很痛苦 sh train_triplet_r...
解决caffe Check failed: error == cudaSuccess (30 vs. 0) unknown error
lv6572的博客
08-15 700
caffe训练模型时出现Check failed: error == cudaSuccess (30 vs. 0) unknown error错误，以为是找不到cuda路径，但是确认了在～/.bashrc里面export了cuda的路径，最后解决办法是 sudo apt-get install nvidia-modprobe 参考：https://blog.csdn.net/u0101672...
caffe深度学习【十八】Check failed: error == cudaSuccess (8 vs. 0) invalid device function
volcano_Lin 的博客
11-26 2483
今天想跑一下行为识别的C3D算法，但是发现出现如下错误： Check failed: error == cudaSuccess (8 vs. 0) invalid device function   查了下原因，网上说是 最大能力编译版本不对， 如果提示invaild argument，说明batchsize还是太大了，爆了缓存 而我的是invalid device functi...
【caffe跑试验遇到错误：Check failed: error == cudaSuccess (2 vs. 0) out of memory】
热门推荐
hefei_cyp的博客
12-14 4万+
刚开始跑caffe试验，老是遇见各种错误。今天又遇见： I1214 09:32:19.428040 11425 net.cpp:748] Ignoring source layer loss F1214 09:32:19.515925 11425 syncedmem.cpp:64] Check failed: error == cudaSuccess (2 vs. 0) out of memo
Check failed: error == cudaSuccess (30 vs. 0) unknown error错误解决记录
weixin_41453111的博客
12-27 2553
Ubuntu16.04 下 使用终端命令sudo python +.py 出现caffe库无法使用 解决办法 在import caffe这段代码前 加上 import sys sys.path.append("/home/xxx/caffe/python") xxx:为用户目录 ...
Ubuntu caffe运行错误解决 Check failed: error == cudaSuccess(30 vs. 0) unknown error cudaSuccess(1 vs. 0)
liufsh004的博客
06-23 956
错误一：Check failed: error == cudaSuccess(30 vs. 0) 1. 方法一：使用sudo python 运行即可 2. 方法一：重装显卡驱动，如图在软件中心切换显卡驱动版本完成后重启 错误二：Check failed: status == CUDNN_STATUS_SUCCESS (1 vs. 0) CUDNN_STATUS_NOT_INIT 解决：cudnn版本错误，重新选择正确的版本安装https://developer.nvidia.com/...
CUDA/caffe ERROR:cudaGetDeviceCount returned 30/35,Check failed: error == cudaSuccess (30/35 vs. 0)
10km的专栏
03-12 1万+
解决方法CUDA运行时NVIDAI显卡必须是当前使用的显卡。否则无法获取GPU设备，cudaGetDeviceCount函数会报错，错误码35 nvidia-prime切换显卡，如果只是按照提示logout，再重新login是不行的，必须重启系统，否则会报错，错误码30 caffe的问题也是同样的道理因为caffe也要调用cuda的cudaGetDeviceCount函数获取GPU设备。
OpenPose运行时报错Cuda check failed (35 vs. 0)
kxqt233的博客
07-31 1329
系统环境 Win10，NVIDIA Driver Version：399.24，Cuda V9.2.148，cuDNN 7.6.3 出错情况 下载完OpenPose v1.5.1的Windows Demo，按照instructions.txt下载好模型，使用bin\OpenPoseDemo.exe --video examples\media\video.avi --face --hand运行，出现报错。 Cuda check failed (35 vs. 0): CUDA driver version i
cudaCheckError() failed : invalid device function解决方法
weixin_36670529的博客
03-14 1491
先将出现的问题截图，上图所示为我遇见的错误。 我在服务器上（ubuntu14.04），运行smallcorgi/Faster-RCNN的tensorflow代码时候出现的问题，我的显卡是TeslaK40。 在百度后发现根本没有切实可行的方法，最后还是使用Google解决了问题，发现在运行代码时候在lib文件夹下面执行make操作的时候需要将make.sh文件进行修改，将arch参数从sm_37改为sm_35。为大家附上参数列表。 承接Matlab、Python和C++的编程，机器学习、计算机...
运行caffe时报错：Check failed: error == cudaSuccess
walle的博客
04-15 8951
"Check failed: error == cudaSuccess (9 vs. 0)    明明nvidia已经安装好，在cmd里面运行nvcc -V也有显示.....cuda 7.5之类的 原来是因为我是远程桌面控制显卡的，所以不行
Check failed: error == cudaSuccess (2 vs. 0) out of memory
同销万古愁的博客
09-01 1027
造化弄人，上午刚解决了一个问题，现在又出了这个问题，train_48.prototxt里batch_size由32改为16，不可以，又改为1，可以了。然而对我的程序来说。。。至少要32，所以去借同学的服务器了。   ...
使用openpose出现Check failed: error == cudaSuccess (2 vs. 0) out of memory错误
YoJayC的博客
11-17 2992
在使用openpose的docker执行命令时，出现下述错误提示 root@1015281c1858:/openpose# python3 consecutive_openpose.py Starting OpenPose demo... Configuring OpenPose... Starting thread(s)... F1117 06:45:27.081745 90 syncedmem.cpp:71] Check failed: error == cudaSuccess (2 vs.
caffe报错（3）Check failed: error == cudaSuccess (2 vs. 0) out of memory
weixin_42535423的博客
12-27 2175
在使用caffe测试的时候，提示如下错误： Check failed: error == cudaSuccess (2 vs. 0) out of memory 是内存溢出，而且是cuda报出的，那么就是gpu的缓存溢出了。 遇到这种情况，首先要看的就是训练与测试的batch_size了，而训练过程没有问题，说明训练的batch_size没有问题；
CUDA error：check_error:Assertion '0' failed
03-29
<think>嗯，用户遇到了CUDA的断言错误，具体是check_error: Assertion `0' failed。首先，我需要分析可能的原因。根据引用[2]和[3]，这通常和显存不足有关。比如训练YOLOv3时batch size太大，或者模型参数没调好，导致显存不够用。这时候应该考虑减小batch size或者subdivisions，或者在配置文件中调整参数，如引用[4]提到的，修改测试和训练的参数设置。 另外，用户可能没有正确配置GPU架构。引用[3]提到需要修改Makefile中的ARCH参数，对应自己的GPU型号。比如GTX 1060对应的是compute_61，sm_61，如果设置错了可能会导致问题。 还有可能是代码本身的bug或者环境问题。比如CUDA驱动或cuDNN版本不兼容，这时候需要检查版本匹配。或者代码中存在未处理的错误，比如内存分配失败，这时候需要添加错误检查，如引用[5]提到的Assert函数使用。 用户需要逐步排查：首先检查显存使用情况，调整配置；然后确认GPU架构设置是否正确；接着检查代码中的错误处理；最后验证环境配置。如果所有步骤都做了还是有问题，可能需要进一步调试或寻求社区帮助。</think>### CUDA断言错误`check_error: Assertion '0' failed`解决方案 #### 1. **显存不足问题（最常见原因）** - **现象**：训练深度学习模型（如YOLOv3）时出现`CUDA Error: out of memory`[^2][^3] - **解决方案**： - **减小批次大小**：修改`.cfg`文件中的`batch`和`subdivisions`参数，例如将`batch=64`改为`batch=32`，并减少`subdivisions`值[^4] - **释放占用显存的进程**：使用`nvidia-smi`命令查看显存占用，终止无关进程 - **测试模式验证**：将配置文件切换为测试模式（`batch=1, subdivisions=1`），确认是否配置错误 #### 2. **GPU架构配置错误** - **现象**：编译阶段出现断言失败，尤其是使用自定义GPU时 - **解决方案**： - 修改`Makefile`中的`ARCH`参数，例如： ```makefile ARCH= -gencode arch=compute_61,code=sm_61 # GTX 1060对应此配置 ``` - 查询GPU算力表（NVIDIA官网），匹配`compute_XX`和`sm_XX` #### 3. **代码逻辑错误** - **现象**：内存越界、空指针等编程错误引发断言 - **解决方案**： - 添加CUDA错误检查宏： ```c #define checkCudaErrors(call) { \ const cudaError_t error = call; \ if (error != cudaSuccess) { \ printf("Error: %s:%d, ", __FILE__, __LINE__); \ printf("code:%d, reason: %s\n", error, cudaGetErrorString(error)); \ exit(1); \ } \ } ``` - 使用`cuda-memcheck`工具检测内存错误[^5] #### 4. **环境配置问题** - **验证步骤**： - 检查CUDA与GPU驱动兼容性（`nvidia-smi`顶部显示的最高支持CUDA版本） - 确认cuDNN版本与CUDA版本匹配 - 重编译代码：`make clean && make`
评论 6
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