Check failed: error == cudaSuccess (8 vs. 0) invalid device function

最新推荐文章于 2021-03-15 19:00:26 发布
原创 最新推荐文章于 2021-03-15 19:00:26 发布 · 2k 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。

本文介绍如何在Caffe中设置显卡的计算能力。通过修改ConfigurationProperties中的CUDAC/C++部分，将Device中的CodeGeneration设为compute_30,sm_30，即可使GT650M显卡正常工作。


大致的问题也就是说这个 其实还就是要设置显卡的计算能力。

把caffelib中Configuration Properties的CUDA C/C++中Device中的Code Generation改为compute_30,sm_30;。就可以了。(GT 650M 的计算能力为sm_30)

杰明fighting
关注
caffe深度学习【十八】Check failed: error == cudaSuccess (8 vs. 0) invalid device function
volcano_Lin 的博客
11-26 2504
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...
ubuntu16.04+GTX1660深度学习相关配置
random_repick的专栏
11-06 2712
1.前情提要 本文使用cuda10.1，cuda8不行，cuda9没试过 cudnn要使用显卡以后发布的版本 考虑到官网总是挂，可以在此下载cuda10.1，cudnn cudnn的developer版本安装失败，runtime版本缺少头文件，所以安装runtime版本，使用developer版本是头文件，注意头文件的命名 2.编译caffe遇到的问题 1、Check failed: err...
(Caffe | Windows10) Check failed: error == cudaSuccess (8 vs. 0) invalid device function
lostcorner的博客
03-15 392
在安装caffe-gpu版本的时候出现的Check failed: error == cudaSuccess (8 vs. 0) invalid device function的问题。 原因分析 由于Caffe已经很久没有更新了，所以官网上推荐的CUDA和cudnn版本任停留在CUDA8和cudnn5.1的状态，而现在机器中的显卡架构的更新可能导致无法成功安装Caffe-GPU版本。 比如本人的笔记本显卡为GTX1650，是图灵（Turing）架构，同架构的还有GTX16系列和RTX20系列。图灵架构的显卡
精选资源
Check failed: error == cudaSuccess (74 vs. 0) misaligned address
01-08
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; ...
caffe 训练安装测试问题集锦
zhanghenan123的博客
07-19 2212
1、Check failed: target_blobs.size() == source_layer.blobs_size() (2 vs. 1) Incompatible number of blobs for layer conv0 测试的时候出现此问题 2、cudaSuccess(2 vs. 0) out of memory,如下图 这种问题为显存不足导致的，出现这种问题有以下几...
Caffe常见问题解决：NuGet Error,无法打开输入文件“opencv_calib3d240d.lib”
热门推荐
灰羽的博客
09-18 3万+
最近学习Windows平台下的Caffe，自然而然地选择了微软提供的版本。 该版本由于通过NuGet进行三方组件的安装与管理，设置上按理说会更加简便一些。不过在配置过程中还是遇到了相当的问题，这里介绍一下可能比较常见的几个问题是如何被最终解决的。 编译环境：VS2013This project references NuGet package(s) that are missing on thi
Check failed: error == cudaSuccess (8 vs. 0) invalid device function
qq_20481015的博客
11-01 1700
caffe正常能用，但是运行过程中，报错Check failed: error == cudaSuccess (8 vs. 0)  invalid device function。 事实上，出现这种问题是编译时，显卡的计算能力没有设置好。按照自己的显卡修改Makefile.config的这个位置即可 CUDA_ARCH := -gencode arch=compute_20,code=sm_...
jetson TX2报错 error==cudaSuccess(8 vs. 0) invalid device function
zhaoyaohuahua的博客
10-28 3337
查阅资料，显示此问题为显卡计算能力不匹配造成，在caffe目录下的Makefile.config文件当中做修改，原始的文件第35行（我的文件）CUDA_ARCH项是这样的。（看到教程说要删掉sm_20,sm_21两行，图片是删掉之后的）。 如题报错 然而无能的我上官网并没有找到TX2的计算能力，经过几番周折，在某个网页看到Jetson TX2计算能力为6.2，由于太过激动，一时不慎关掉网
caffe运行错误： Check failed: error == cudaSuccess (8 vs. 0) invalid device function
TDhuso的博客
06-27 1066
配置生成caffe时使用的GPU架构与当前GPU不同，GPU计算能力不同的问题。 解决方法： 按照我之前的文章Windows 10 配置 caffe, 最省事的安装方式生成配置caffe的话，只需要重新运行build_win编译即可。因为在build_win中定义CUDA_ARCH_NAME=Auto,可以自动配置出符合当且GPU架构的caffe。 然后使用VS重新生成caffe项目即可...
caffe gpu官方镜像报错cudaSuccess (8 vs. 0) invalid device function
b625846910的博客
02-02 444
镜像版本 bvlc/caffe:gpu 镜像中cuda运行时版本：8.0 cuda driver version: 11.0 使用caffemnist测试镜像，结果报如下错误： Check failed: error == cudaSuccess (8 vs. 0) invalid device function 我的gpu是2080ti，支持的计算能力范围比较广，不知道为什么报上面的错误。 解决办法：保持caffe Makefile.config.example中的CUD...
caffe报错 error==cudaSuccess(8 vs. 0) invalid device function
xunan003的博客
08-28 1990
显示此问题为显卡计算能力不匹配造成，在caffe目录下的Makefile.config文件当中做修改 # For CUDA < 6.0, comment the lines after *_35 for compatibility. CUDA_ARCH := -gencode arch=compute_60,code=sm_60 \              -gencode arch=c...
Check failed: e == cudaSuccess || e == cudaErrorCudartUnloading: CUDA kernel launch error: no kernel image is available for execution on the device
最新发布
03-30
当遇到 `no kernel image is available for execution on the device` 的错误时，通常是因为编译后的 CUDA 二进制文件不兼容当前 GPU 架构的计算能力 (Compute Capability)[^1]。以下是可能的原因以及解决方案： ##...
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
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