(Caffe | Windows10) Check failed: error == cudaSuccess (8 vs. 0) invalid device function

本文解决了在安装Caffe-GPU版本过程中遇到的Checkfailed:error==cudaSuccess(8vs.0)invaliddevicefunction错误。针对现代显卡如GTX1650(图灵架构),建议忽略官网推荐的CUDA8,而采用CUDA10.2+cudnn7.6.5进行安装。
部署运行你感兴趣的模型镜像

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。图灵架构的显卡算力较强,且基本只支持CUDA10以上的版本。

问题解决

经过测试,本人已经成功在CUDA10.2+cudnn7.6.5版本下安装了Caffe-GPU,具体内容可以查看Caffe-GPU。所以遇到以上情况可以无视官网介绍的使用CUDA8的需求,直接安装CUDA10即可。

其他

如果电脑内(Win10系统)安装其他版本的CUDA,可以在系统环境变量中修改,可以参考https://blog.youkuaiyun.com/zhaotun123/article/details/99680151

您可能感兴趣的与本文相关的镜像

PyTorch 2.9

PyTorch 2.9

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

Windows系统下,Caffe出现 `Check failed: status == CUBLAS_STATUS_SUCCESS (13 vs. 0) CUBLAS_STATUS_EXECUTION_FAILED` 错误通常与CUDA和cuBLAS库相关,以下是一些可能的解决办法: #### 1. 检查cuBLAS库文件 确保cuBLAS库文件(如 `cublas64_xx.dll` 和 `cublasLt64_xx.dll`,`xx` 代表版本号)正确安装并且路径被系统识别。可以尝试将 `cublas64_10.dll` 与 `cublasLt64_10.dll` 文件复制到 `C:\Windows\System32` 中,然后运行Caffe程序。复制完文件后通过运行检查代码来确认问题是否解决,例如运行 `paddle.utils.run_check()` 来辅助确认系统环境是否正常(虽然 `paddle.utils.run_check()` 主要用于PaddlePaddle,但可以侧面反映环境情况) [^1]。 #### 2. 版本兼容性 确保CUDA、cuBLAS和Caffe的版本相互兼容。不兼容的版本可能会导致cuBLAS执行失败。可以参考Caffe的官方文档来确定所支持的CUDA和cuBLAS版本,然后安装对应的版本。 #### 3. GPU内存问题 检查GPU内存是否足够。如果GPU内存不足,cuBLAS可能无法正常执行运算。可以通过任务管理器查看GPU的使用情况。如果是内存不足导致的问题,可以尝试减少批量大小或者关闭其他占用GPU资源的程序。 #### 4. CUDA驱动更新 确保已经安装了最新的CUDA驱动程序。过时的驱动程序可能存在兼容性问题,通过官方NVIDIA网站下载并安装最新的驱动程序可能会解决该问题。 #### 5. 代码检查 检查Caffe的配置文件和代码逻辑,确保不存在错误的参数设置或者数据处理问题。例如,检查输入数据的形状、维度是否符合模型要求。 以下是一些示例代码用于查看GPU内存使用情况: ```python import torch # 如果使用PyTorch来查看GPU内存 if torch.cuda.is_available(): device = torch.device("cuda") print(f"Total GPU memory: {torch.cuda.get_device_properties(device).total_memory / (1024**3):.2f} GB") print(f"Allocated GPU memory: {torch.cuda.memory_allocated(device) / (1024**3):.2f} GB") print(f"Cached GPU memory: {torch.cuda.memory_reserved(device) / (1024**3):.2f} GB") ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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