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

最新推荐文章于 2025-05-14 14:50:53 发布
最新推荐文章于 2025-05-14 14:50:53 发布
阅读量1.2w 收藏
点赞数 1
分类专栏： caffe 错题本
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.youkuaiyun.com/Sunshine_in_Moon/article/details/53492188
版权

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 1310
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 1933
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
CUDA error: no kernel image is available for execution on the device 解决方案（适配 RTX 4090）
最新发布
weixin_43745234的博客
05-14 776
PyTorch 版本太旧，不支持新显卡（如 RTX 4090）升级 PyTorch 到 2.1.0+使用 cu118 编译版本（CUDA 11.8），兼容 Ada 架构若有 API 不兼容问题，适当修改 SiamMask 源码即可解决如果你也遇到相同问题，希望这篇博客能帮你少踩一点坑。如果有更多关于 SiamMask 或目标跟踪相关的问题，欢迎留言交流！
【caffe】 Check failed: error == cudaSuccess (30 vs. 0) unknown error
Allyli0022的专栏
01-30 1253
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
08-12 417
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
08-15 695
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 2474
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 2547
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
06-23 950
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 1316
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 1486
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 8949
"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 1023
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 2978
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 2155
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；
4090 cudaGetDeviceCount failed unknown error
03-26
### CUDA 设备计数失败的原因分析 当 `cudaGetDeviceCount` 或者 `cudaGetDeviceProperties` 函数返回未知错误 (`error code: 999`) 时，通常表明存在一些底层硬件或者驱动兼容性问题。以下是可能原因以及解决方案： #### 可能原因一：CUDA 驱动版本不匹配 NVIDIA 的 GPU 和 CUDA 工具包之间需要严格的版本适配。如果安装的 NVIDIA 显卡驱动程序版本低于所使用的 CUDA Toolkit 版本，则可能导致此类错误。 - **验证方法**: 使用命令行工具运行 `nvidia-smi` 来确认当前显卡驱动版本是否支持所需的 CUDA 功能[^1]。 ```bash nvidia-smi ``` - 如果显示的驱动版本较低，建议升级至最新稳定版 NVIDIA 驱动程序。 --- #### 可能原因二：GPU 不被识别或未启用 某些情况下，操作系统未能正确检测到 GPU，这可能是由于 BIOS 设置禁用了 PCIe 插槽中的 GPU，或者是多 GPU 系统中配置不当所致。 - **解决措施**: - 检查 BIOS 中是否有选项关闭了独立显卡功能并重新启动计算机。 - 对于多 GPU 环境，尝试通过环境变量指定默认设备 ID: ```cpp int device_id = 0; cudaError_t err = cudaSetDevice(device_id); if (err != cudaSuccess) { printf("Failed to set CUDA Device %d with error '%s'\n", device_id, cudaGetErrorString(err)); } ``` 上述代码片段可以用来强制设置特定的 GPU 作为计算资源[^3]。 --- #### 可能原因三：CUDA 应用构建过程存在问题 即使硬件正常工作，在开发阶段也可能遇到编译器路径缺失或其他配置失误引发的功能失效现象。 - **排查手段**: - 添加必要的头文件路径至 Visual Studio 的“VC++ 目录”的“包含目录”字段； - 将库所在位置加入“库目录”，同时更新链接器部分的附加依赖项列表以反映实际需求。 例如，假设项目依赖 cuBLAS 库，则需确保如下条目已正确定义： - 包含目录: `${CUDA_PATH}\include` - 库目录: `${CUDA_PATH}\lib\x64` - 追加依赖项: `cublas.lib; cusolver.lib` 此外，对于 Windows 平台上的 Win32 子系统应用，还需调整预处理器宏定义(`WIN32_LEAN_AND_MEAN`, `_CRT_SECURE_NO_WARNINGS`)及子系统类型为控制台(console)。 --- #### 关联案例解析 针对 caffe 类框架内部实现细节提到的内容进一步补充说明，比如随机数生成机制涉及到了静态转换操作(static_cast)，这是为了保证不同平台间数据类型的统一性和可移植性[^2]。 ---
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