GT820M显卡使用CUDA的“no kernel image is available for execution on the device”问题解决

最新推荐文章于 2025-04-01 13:14:13 发布
最新推荐文章于 2025-04-01 13:14:13 发布
阅读量2w 收藏 10
点赞数 1
CC 4.0 BY-SA版权
分类专栏： CUDA 机器学习 算法 深度学习 数据挖掘 文章标签： 深度学习 CUDA NVIDIA GPU GT820M
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/luohualiushui1/article/details/89457353
本文详细记录了一次解决CUDA版本与显卡算力不匹配的问题过程。作者在尝试使用较旧电脑进行CUDA编程时，遇到了由于显卡驱动和算力限制导致的CUDA版本不兼容问题。通过更换CUDA版本，最终成功在算力为2.1的GT820M显卡上运行CUDA 8.0。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

最近使用比较老的电脑使用CUDA，一开始安装10.1的windows版本，发现无法使用，经过网上查阅信息发现是显卡驱动不支持，电脑的NVIDIA驱动是390。

然后查询到该驱动支持9.0版本的CUDA，便卸载更换为9.0版本，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vx.x\extras\demo_suite目录下的测试程序运行都是正常的，但是使用vs2015新建一个cuda工程发现运行异常，出错原因如下：

no kernel image is available for execution on the device

然后我再多方查找资料，发现原来是因为cuda9.0不支持算力在3.0以下的显卡，我的显卡算力是2.1

知道原因就好办了，直接将CUDA版本更换为8.0即可

使用vs2015测试，cuda8.0在GT820M上可以正常运行

RuntimeError: CUDA error: no kernel image is available for execution on the device
猿小白的博客
06-21 220
RTX 5080显卡运行程序报错解决方案：该显卡采用最新的sm_120架构，当前稳定版PyTorch尚未支持。报错显示"no kernel image available"，建议更新至最新驱动和CUDA版本，并通过安装PyTorch的nightly版本解决。执行命令：pip install -U --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu128。该问题
No kernel image is available for execution on the device问题
qq_41156733的博客
10-21 1267
Linux pytorch环境配置
caffe-ssd：no kernel image is available for execution on the device
电子信息硕士在读
04-30 1620
caffe-ssd编译问题，其余caffe系列框架应该也适用
报错：RuntimeError: CUDA error: no kernel image is available for execution on the device
周周的专栏
04-12 1万+
报错：RuntimeError: CUDA error: no kernel image is available for execution on the device提醒：安装pytorch时，除了要注意pytorch与torchvision版本的匹配，也要注意pytorch与cuda的版本兼容。不然……，安装环境会让你想吐~
PyTorch报CUDA error: no kernel image is available for execution on the device 错误
热门推荐
peacefairy的博客
08-15 2万+
问题描述： pytorch使用GPU报错，具体操作的简化如下： 安装成功，测试GPU可用，但是下面这步报错了。 t = torch.ones(1,1,28,28) t = t.cuda() t 我的环境是： pytorch1.5.1； Cuda 10.1.0； GPU（Navida GeForce 920M python（3.6） 原因： 问题出在CUDA对部分计算操作无法支持，即no kernel image is available for execution on the device的问题。
报错解决：RuntimeError: CUDA error: no kernel image is available for execution on the device
qq_40349484的博客
11-17 4202
报错解决：RuntimeError: CUDA error: no kernel image is available for execution on the device
no kernel image is available
WuXiaAMengLWX的博客
06-10 6397
在使用到显卡跑pytorch相关代码时候，会出现这样的一个问题 no kernel image is available 。这个是两种情况导致的，在你使用setup build你的项目时候，pytorch自动检测你当前的gpu算力并将其作为目前你电脑gpu的算力，pytorch源码如下： 也就是说出现no kernel image is availabl 第一种情况你在a卡build，却在b卡跑，第二种情况是你用了多张算力不同的卡。 解决方法：找到你目前gpu的型号并在 (https:/..
成功解决：RuntimeError: CUDA error: no kernel image is available for execution on the device
qq_23022733的博客
08-23 4686
安装的 PyTorch 版本和 CUDA 版本不兼容。可以重新安装与系统上 CUDA 版本匹配的 PyTorch 版本。CUDA 版本与 GPU 驱动程序或 PyTorch 安装的 CUDA 编译版本不兼容。安装完成后，就可以完美解决这个Bug！
解决CUDA error: no kernel image is availabel for execution on the device
jane_xing的博客
07-12 1476
有一种可能，不需要升级cuda版本，直接更新torch版本就可以解决问题。时间原因，不做验证了。
【bug】RuntimeError: CUDA error: no kernel image is available for execution on the device 解决方案
Light.T的博客
06-10 1822
使用demo程序验证GPU是否正常，代码如下： import pytorch print(torch.__version__) t=torch.ones(1,1,2,2) t=torch.cuda() 发现报错： RuntimeError: CUDA error: no kernel image is available for execution on the device 查明是torch的版本和cuda的版本不匹配，升级torch可以解决这个问题。 升级命令可以使用如下网页查询： https:/
【GPU】no kernel image is available for execution on the device
从善若水的博客
10-08 4968
前段时间在一个很古老的笔记本（lenovo Y400 GT650M*2）上安装NVIDIA内核驱动和CUDA，安装过程也是一波三折，首先是NVIDIA内核一直无法加载，提示原因是内核签名失败，最后发现是因为UEFI开启了选项，后来关闭这个feature之后内核正常加载了，nvidia-smi也可以正常使用了，
Torch的Bug处理：CUDA error：No kernel image is available..
qq_34348690的博客
08-05 357
在使用Torch时is_available()显示True， 但使用起来就报错RuntimeError: CUDA error: no kernel image is available for execution on the device
报错：RuntimeError: parallel_for failed: cudaErrorNoKernelImageForDevice: no kernel image is available
JEsoloH的博客
11-18 2928
paddle使用报错解决
解决：CUDA error: no kernel image is available for execution on the device CUDA kernel errors
最新发布
weixin_44295060的博客
04-01 3871
my结果：PyTorch 版本: 1.9.1+cu102 CUDA 是否可用: True CUDA 版本: 10.2 GPU 设备: NVIDIA GeForce RTX 4090。某些 GPU（如较新的 RTX 40 系列）需要 PyTorch 2.0+ 才能支持。（如 RTX 4090），需确保 PyTorch ≥ 2.0。（但不一定是实际安装的 CUDA Toolkit 版本）。如果仍有报错，请提供。，但 PyTorch 安装的是。（如 RTX 3060）或。选择以下任一命令安装（推荐。
50显卡 CUDA error: no kernel image is available for execution on the device
03-08
### 特定显卡上的CUDA错误解决方案 对于50系列显卡遇到`CUDA error: no kernel image is available for execution on the device`这一问题，核心在于确保使用的CUDA和PyTorch版本与硬件相匹配。如果先前安装的CUDA和PyTorch版本不支持当前显卡架构，则可能导致此类错误发生[^1]。 当面对此情况时，建议先确认现有环境中的CUDA以及PyTorch版本，并对比官方文档中关于目标显卡的支持列表，以此判断是否存在兼容性问题。一旦发现版本不符，应当考虑移除旧版软件并重新部署适合的新版本组合。例如，针对某些配置可能需要采用如下命令来指定安装特定版本： ```bash pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html ``` 此外，编写CUDA程序时也需注意编译选项的选择，特别是计算能力（Compute Capability）。不同代际的NVIDIA GPU拥有不同的最低要求，开发者应依据实际设备调整代码中的相应设置以确保正确加载内核函数[^2]。 最后值得注意的是，在尝试任何更改前备份好原有数据非常重要；同时密切关注NVIDIA官方网站发布的最新驱动更新信息，因为有时简单的驱动升级就能解决问题[^3]。 ### 示例代码修正 考虑到上述因素后，下面给出一段经过适当修改后的简单CUDA Hello World程序作为参考： ```cpp #include "cuda_runtime.h" #include "device_launch_parameters.h" #include "stdio.h" // 定义全局内核函数 __global__ void kernel_hello(void) { printf("Hello from thread %d! \n", threadIdx.x); } int main(void) { // 调整线程数量至合理范围 kernel_hello<<<1, 10&gt;&gt;&gt;(); // 同步主机等待所有GPU操作完成 cudaDeviceSynchronize(); // 清理资源 cudaDeviceReset(); return 0; } ``` 通过以上措施通常能够有效缓解乃至彻底消除因版本冲突引发的相关异常状况。
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

打赏作者

路边草随风

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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