pytorch安装问题

原创 已于 2022-09-22 15:20:33 修改 · 1.4k 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。
文章标签：

#pytorch #深度学习 #python

于 2022-09-18 17:43:42 首次发布
部署运行你感兴趣的模型镜像

pytorch安装问题

NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70.
RuntimeError: CUDA error: CUBLAS_STATUS_EXECUTION_FAILED when calling `cublasSgemm

问题描述

warning：我的devices支持sm86, pytorch版本支持 sm_70。理论上说，GPU的能力应该是向下兼容的，我sm_86的device应该支持sm_70的所有代码。作为warning也正常。
但后面报错了，我查了之后发现了这个人的答案：
https://discuss.pytorch.org/t/vertices-torch-matmul-vertices-unsqueeze-0-rotations-init-runtimeerror-cuda-error-cublas-status-execution-failed-when-calling-cublassgemmstridedbatched-in-centos/116123/7

我发现她的device调高了之后和我是一样的情况也出现一样的错误，她的解决方法是让pytorch支持的cuda版本与自己电脑上安装的cuda版本一致。我也这么解决了
我的cuda 版本是11.3 按照下面方法按照
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

fb_help
关注
【linux】一文解决服务器pytorch安装问题
weixin_44502754的博客
03-07 891
点击上述红色方框，进入历史版本，找到自己想要安装的版本，因为我自己的需求是要安装cuda11.0版本，对应torch1.7.1，所以我选择下述红色方框的版本进行安装，大家根据自己需求安装。激活环境，出现(h_scope)则表示已经进入自己创建的环境中了，接下来在该环境中安装pytorch。因为我要的是cuda11.0的版本，为了进一步确认，我还可以在再打印一下版本信息。（不知道python与pytorch版本对应的可以看一下这个链接）创建环境，h_scope是我的环境名。此处输入y，继续安装。
解决GPU版PyTorch安装问题
weixin_61092302的博客
02-21 1622
需要注意nvidia-smi看到的CUDA版本可能和nvcc -V输出的版本不同，原因可能是我安装了好几次显卡驱动有点混乱，反正最后是以nvcc -V输出的CUDA版本为准，建议以已安装的CUDA版本去寻找对应版本的pyTorch，因为我试过安装指定版本的CUDA结果后来一直踩坑。打开官网下滑就能看到下面的界面，大部分教程建议下面的方式选择conda和对应的版本安装，但我尝试很多次都因为网络等原因无法安装，试过换源、搭梯子、改版本都不行，因此不推荐。注意我将最后的网址替换为了清华的源。
【bug解决】CUDA和pytorch版本不匹配
qq_39972370的博客
11-06 2575
报错信息：NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70. If you want to use the NVIDIA GeForce RTX 3090 GPU with PyTorch
pytorch常见错误
xiaotiig的博客
09-13 1082
是因为pytorch1.6的版本不支持gpu硬件RTX 3090，需要下载更高版本的pytorch才行。下载1.8以上版本的pytorch,算力要支持。报错信息：安装带gpu的pytorch的时候，
pytorch（2.4.1）安装（50系列显卡（sm_ 120））
最新发布
weixin_52000358的博客
09-18 887
系统：Ubuntu 22.04前提条件：已经安装了 CUDA12.8。
Laptop GPU with CUDA capability sm_86 is not compatible with current PyTorch
LFY437726093的博客
11-27 4621
本文主要就GPU、CUDA和pytorch版本对应问题分析了原因，并提出了一些解决建议。
【Bug解决】NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with ...
学习 & 分享 ~
10-11 6869
NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70.
显卡算力与Pytorch版本不匹配
weixin_45744992的博客
08-10 3924
RTX 3080算力和Pytorch；算力不匹配
Pytorch安装问题：pip3 install torchvision报错解决
03-28
### PyTorch安装问题：pip3 install torchvision报错解决 #### 一、问题背景与描述 在尝试通过`pip3 install torchvision`的方式安装PyTorch及其相关库时，可能会遇到安装失败的问题。这类问题通常发生在已经安装...
精选资源
2024最新pytorch安装（超详细版）.zip
03-09
博客还提供了如何验证PyTorch安装是否成功的方法，以及PyTorch的一些高级特性，如动态计算图、GPU加速、丰富的模型库和与Python的集成。最后，博客提供了一些解决安装和使用过程中可能遇到问题的方法。 ### 适用人群...
win10的Pytorch最全安装教程，解决pytorch安装问题！
weixin_56988961的博客
10-26 3588
win10的Pytorch最全安装教程，解决pytorch安装问题！ 看着五花八门的pytorch安装教程，作为小白看着实在是眼花缭乱，所以我做一次全攻略安装教程，争取让后来者不走弯路，直接成功安装，不要浪费宝贵的时间。 以下全部是在写博客是的当前版本，如果后续有跟新，可以直接按照类似的方法类比推理安装即可。 1、安装Anaconda Anaconda至于具体是什么，小白不需要知道，你们大概知道这是一个环境库就完事了，pytorch环境就是在这个里面，所以这个是必须安装的，一下是具体的安装步骤： 搜索A
幸福的烦恼：显卡算力太高而pytorch版本太低不支持
定期分享我的发现和想法，感谢你的陪伴和支持
03-17 1万+
如果您想在PyTorch中使用NVIDIA GeForce RTX 3090 GPU，请查看https://pytorch.org/get-started/locally/的说明。翻译一下就是：RTX 3090的算力是8.6，但是当前的PyTorch依赖的CUDA版本支持的算力只有3.7、5.0、6.0、7.0。算力7.0的显卡可以在支持最高算力7.5的CUDA版本下运行，但是算力7.5的显卡不可以在支持最高算力7.0的CUDA版本下运行。CUDA capability sm_86：算力8.6。
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70.
weixin_66009678的博客
12-24 874
然后下载torch-1.12.0+cu113-cp37-cp37m-linux_x86_64.whl。上面报错的大概意思是说 pytorch的版本的CUDA的版本不匹配！
NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch
power_kaikaige的博客
08-27 2896
NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation
pytorch排错：算力卡和cuda的匹配问题
qq_41166909的博客
01-26 3533
最近换了显卡，GTX3070,我原来用自己的笔记本GTX 960M，跑一个resnet,读取400张图片，只要几秒钟，但是换了显卡，读取图片，居然要十几分钟，警告是显卡和cuda库不匹配的问题，因为显卡的架构太新，算力和pytorch的cuda库不匹配，于是更换 警告如下 GeForce RTX 3070 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyT
深度学习环境配置
qq_40265393的博客
11-29 1万+
显卡算力和torch的cuda版本问题 报错信息： GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70. If you want to use the GeForce RTX 3090 GPU with
RTX3060+cuda+pytorch的问题
Xunuo1995的博客
03-27 1万+
机械革命X8Pro --RTX3060 在cmd训练其他没问题，在spyder写了一个神经网络，需要调用cuda，结果报错如下： GeForce RTX 3060 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75
CUDA capability sm_86 is not compatible with the current PyTorch（安装DRIVER 多个CUDA CUDNN PYTORCH ）
Qianty的博客
04-03 5240
conda虚拟环境。
ubuntu中安装pytorch版本与 RTX3090(4090) 对应关系
热门推荐
chumingqian的博客
06-21 2万+
pthen torchvision install
Pytorch安装出现问题
07-12
### PyTorch 安装问题解决方案 PyTorch 是一个广泛使用的深度学习框架，但在安装过程中可能会遇到各种问题，例如依赖冲突、下载速度慢、与 GPU 驱动不兼容等。以下是解决 PyTorch 安装过程中常见问题的详细方案： #### 1. 使用虚拟环境隔离依赖 为了避免与其他项目的依赖发生冲突，建议在安装 PyTorch 之前创建一个虚拟环境。虚拟环境可以为每个项目提供独立的 Python 环境，从而减少依赖冲突的可能性。 - 创建虚拟环境： ```bash python -m venv pytorch_env ``` - 激活虚拟环境： - 在 Windows 上： ```bash pytorch_env\Scripts\activate ``` - 在 Linux 或 macOS 上： ```bash source pytorch_env/bin/activate ``` 创建并激活虚拟环境后，可以使用 `pip` 安装 PyTorch 及其相关依赖[^1]。 #### 2. 使用官方推荐的安装命令 PyTorch 提供了多种安装方式，包括 `pip` 和 `conda`。为了确保安装的版本与系统兼容，建议使用 [PyTorch 官方网站](https://pytorch.org/get-started/locally/) 提供的安装命令。 - 如果使用 `pip` 安装带有 CUDA 支持的 PyTorch 版本，可以使用以下命令： ```bash pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113 ``` 该命令指定了特定版本的 PyTorch，并且使用了 CUDA 11.3 的支持[^2]。 #### 3. 根据 NVIDIA 驱动选择合适的 CUDA 版本 安装 GPU 版本的 PyTorch 时，必须确保所选的 CUDA 版本与系统中安装的 NVIDIA 驱动兼容。可以通过运行 `nvidia-smi` 命令来查看当前驱动支持的最高 CUDA 版本。 - 如果驱动支持的 CUDA 版本为 11.1，但希望安装 CUDA 10.2 的 PyTorch 版本，则仍然可以安装，因为只要驱动支持的 CUDA 版本大于或等于安装的 CUDA 版本即可。 - 示例安装命令： ```bash pip install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html ``` 此命令指定了 CUDA 10.2 的 PyTorch 版本，并且适用于驱动支持的 CUDA 11.1 的情况[^3]。 #### 4. 提高安装速度 由于 PyTorch 的依赖包较大，使用默认的 PyPI 源可能会导致下载速度较慢。为了提高下载速度，可以使用国内的镜像源，例如清华大学的镜像源。 - 配置镜像源： ```bash pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple ``` 需要注意的是，某些镜像源可能不支持某些特定的 PyTorch 版本，因此在使用镜像源时需要确认其是否支持所需的 PyTorch 版本[^4]。 #### 5. 检查依赖并手动安装缺失的库 有时安装 PyTorch 时可能会遇到依赖缺失的问题。可以通过以下命令检查并手动安装缺失的依赖库： - 安装常见的依赖库： ```bash pip install torch torchvision torchaudio ``` 如果仍然遇到依赖问题，可以尝试更新 `pip` 到最新版本，或者使用 `conda` 安装 PyTorch： - 更新 `pip`： ```bash pip install --upgrade pip ``` - 使用 `conda` 安装 PyTorch： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` #### 6. 验证安装 安装完成后，可以通过以下代码验证 PyTorch 是否安装成功，并检查是否能够访问 GPU： ```python import torch # 检查 PyTorch 版本 print("PyTorch Version:", torch.__version__) # 检查是否能够访问 GPU print("CUDA Available:", torch.cuda.is_available()) print("CUDA Device Count:", torch.cuda.device_count()) print("Current CUDA Device:", torch.cuda.current_device()) print("CUDA Device Name:", torch.cuda.get_device_name(torch.cuda.current_device())) ``` 如果输出中显示 `CUDA Available: True`，则表示 PyTorch 已经成功安装并且可以使用 GPU。 --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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