安装mmcv报错： ValueError: Unknown CUDA arch (9.0+PTX) or GPU not supported

最新推荐文章于 2025-11-06 16:15:38 发布
原创 最新推荐文章于 2025-11-06 16:15:38 发布 · 297 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：

#windows

部署运行你感兴趣的模型镜像

配环境时，执行：mim install mmcv==2.0.0rc4 昨天还可以安装成功，今天突然安装不上了

报错如图所示，试了很多方法都不行，还好在组会前解决了这个bug

1. 检查当前 CUDA 版本：

echo $TORCH_CUDA_ARCH_LIST

版本包括：5.2 6.0 6.1 7.0 7.5 8.0 8.6 9.0+PTX

2. 设置环境变量

如果发现不支持 9.0+PTX，可以通过设置环境变量来解决。

export TORCH_CUDA_ARCH_LIST="6.0 6.1 7.0 7.5 8.0 8.6+PTX"

您可能感兴趣的与本文相关的镜像

PyTorch 2.7

PyTorch 2.7

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

Vivian-study
关注
多GPU训练报错：at least two devices cuda:1 and cuda:0；Caught ValueError in replica 0 on device 0
科研学习笔记！
04-26 1912
DataParallel和DistributedDataParallel多GPU训练时报错，RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:1 and cuda:0!
YOLOv8-OBB训练时报错：ValueError: not enough values to unpack (expected 3, got 0)
qq_65356682的博客
07-15 920
X-AnyLabeling标注软件安装及使用dota数据集，voc数据集，coco数据集。以及报错No module named‘anylabeling‘的解决_x-anylabeling标注的多变形标签yolov8为什么使用不了-优快云博客。如果你是用X-anylabeling 标注的生成的dota数据集的话，那么是因为你配置的问题。yolov8-obb训练自己的数据集（标注，训练，推理，转化模型）-优快云博客。obb是一种旋转框的检测这种报错是因为数据集的问题。请严格按照如下流程进行数据集的配置。
安装一些依赖时报错，ValueError: Unknown CUDA arch (9.0+PTX) or GPU not supported 解决方案
uloveqian的博客
06-01 3346
执行 echo $TORCH_CUDA_ARCH_LIST，发现CUDA架构版本包括。
问题解决——MMCV报错：ImportError: cannot import name ‘print_log‘ from “mmcv “
热门推荐
M_TDM的博客
09-19 1万+
按照解决方法步骤来一步步解决报错问题
如何安装和配置 PyTorch+CUDA 环境？常见报错解决方案
最新发布
2501_91798322的博客
11-06 1888
PyTorch推荐用官方提供的命令安装，自动匹配CUDA版本。步骤1：选择PyTorch版本打开PyTorch官网（https://pytorch.org/get-started/locally/），选择：PyTorch Build：Stable（稳定版）Package：Pip（新手推荐，简单易操作）CUDA：11.8（与之前安装的CUDA版本一致）。步骤2：执行安装命令。
MMCV安装问题：报错踩坑及解决方法（Windows环境下）
m0_56302878的博客
10-22 3372
1、首先是报以下错误：TypeError: AdaptiveDilatedConv.__init__() got an unexpected keyword argument 'in_channels'，可能的原因有两个，一是没装mmcv，这种情况下直接安装mmcv就可。如果装了但还是报错，说明mmcv和pytorch版本不对应，错误如下：ImportError: DLL load failed while importing _ext: 找不到指定的程序。安装好之后再自定义安装mmcv，在。
ValueError: Unknown CUDA arch (9.0+PTX) or GPU not supported
devil59468的博客
12-27 427
1 首先将nvcc -V的版本降低到11.3版本。2 按installer命令安装conda环境。2 不支持9.0+PTX，设置环境变量。1 查看当前的cuda 版本有那些。后续有问题我再重新记录。
关于mmcv报错的问题
weixin_38102897的博客
02-26 400
以及各个版本的whl：https://download.openmmlab.com/mmcv/dist/cu113/torch1.10.0/index.html。于是继续尝试使用源码安装，指导链接：https://mmcv.readthedocs.io/zh-cn/2.x/get_started/build.html。（参考文章：https://blog.csdn.net/qq_41683065/article/details/99710373）没找到我匹配的版本，但是看到了这句话。
ValueError: Unknown CUDA arch (8.6) or GPU not supported 解决RTX30 运行深度学习代码报错
ng323的博客
05-17 1万+
将conda环境所在文件夹中的cpp_extension.py内容从： named_arches = collections.OrderedDict([ ('Kepler+Tesla', '3.7'), ('Kepler', '3.5+PTX'), ('Maxwell+Tegra', '5.3'), ('Maxwell', '5.0;5.2+PTX'), ('Pascal', '6.0;6.1+PTX'),
aanet立体匹配安装中的坑
qq_36767550的博客
08-16 830
GPU:3060 第一次尝试 基础环境：python3.7.11 cuda10.0 pytorch1.2 在运行脚本./scripts/aanet_predict.sh 会出现以下问题： 1 卡死半天。 2 半天之后出现以下文字： RuntimeError: CUDA error: no kernel image is available for execution on the device 第二次尝试 基础环境：python3.7.11 cuda10.0 pytorch1.4 在运行脚本./s
GLM-4-9B-Chat WebDemo 部署报错：ValueError: too many values to unpack
qq_40838014的博客
07-16 1720
1、下载模型的第一行代码导包书写有误，需要自行更改下。重新安装下transformers的包并重启问题就可以解决。经排查报错原因是官方的bug导致，最新的包有问题。2、注意模型的路径，将路径改为绝对路径。本文由博客一文多发平台。
MMCV报错：ImportError: xxx undefined symbol: _ZN6caffe28TypeMeta21_typeMetaDataInstanceISt7complexIdEEE
allrubots的博客
08-31 1058
简单叙述，一下解决
yolov5 MMCV依赖库 报错（2个错误）
南栀北辰SDN的博客
04-14 1359
（总结部分只适用于我自己的环境，上面是通用步骤）环境torch和cuda安装命令对应版本mmcv安装命令。
win下安装mmcv的一些报错
jxb727098的博客
01-29 2186
win下安装mmcv的一些报错
【已解决】ValueError: Unknown CUDA arch (8.9) or GPU not supported
JeIIY_的博客
05-24 1044
这个问题在配置Obbdetection环境的过程中卡了很久，主要是出现在运行了如下代码之后。在最后补上对应gpu的算力即可（我的4060ti的算力是8.9，于是有修改如下）
安装mmcv后，引入包mmcv里的模块时报错ImportError: DLL load failed while importing _ext: 找不到指定的程序。
haoxuejiebetter的博客
04-04 8541
点击左下角，切换mmcv版本，对应版本下根据系统类型选择安装命令。比如对于稳定的mmcv2.0.0版本，最高只对应到cuda11.8和torch2.0.x，但是我之前装的是torch2.2.1就不匹配，索性我又重新建了个mmcv虚拟环境。在mmcv官网查看对应版本，https://mmcv.readthedocs.io/zh-cn/stable/get_started/installation.html。我的是cuda11.8+torch2.2.1，但是安装的mmcv是1.6.2版本不对应。
安装mmcv的问题
m0_54239393的博客
07-11 476
（NVIDIA CUDA 编译器）失败，导致无法成功构建。如果cuda可用，会返回如下信息。的 wheel 文件。1.检查cuda是否可用。的路径已添加到系统的。2.安装完成后，确保。
kaolin安装出现错误：valueerror: unknown cuda arch (8.6) or gpu not supported
Pieux的博客
06-29 3692
针对kaolin nvidia安装时，出现 “valueerror: unknown cuda arch (8.6) or gpu not supported： 的解决方法
【已解决】mmcv安装问题
weixin_46535650的博客
09-08 755
PS：若在下载好这个mmvc模块之后，出现了报错问题，大概率是因为mmcv版本的更新，可以将原来的删除，在重新下载一个。根据各自的系统，以及cuda、torch版本去安装对应版本的mmcv。跟上面差不多的情况。
pycharm安装mmcv报错File "D:\gitclone\MP2Net\.venv\lib\site-packages\torch\utils\cpp_extension.py", line 1438, in _get_cuda_arch_flags raise ValueError("Unknown CUDA arch ({}) or GPU not supported".format(arch)) ValueError: Unknown CUDA arch (8.9) or GPU not supported
08-04
<think>我们正在处理一个关于在PyCharm中安装mmcv时遇到CUDA架构版本不支持的报错问题。报错信息为"Unknown CUDA arch (8.9) or GPU not supported"。根据引用[1][3]中的经验，我们可以通过设置环境变量`TORCH_CUDA_ARCH_LIST`来指定支持的CUDA算力（即GPU架构版本）。然而，用户提到在命令行中使用`export`命令没有效果，这可能是因为环境变量没有正确传递到安装过程中。 根据引用[1]中的成功方法，他们在安装命令前直接设置了环境变量（使用`sudo TORCH_CUDA_ARCH_LIST="8.0" python setup.py develop`）。因此，我们可以尝试在PyCharm中设置环境变量，或者在安装命令中指定环境变量。 但是，用户是在PyCharm中安装，可能使用的是PyCharm的图形界面安装包（比如通过pip安装），那么我们可以考虑以下两种方法： 方法一：在PyCharm的终端中设置环境变量并安装 1. 打开PyCharm，然后打开终端（Terminal）。 2. 在终端中，设置环境变量（根据你的GPU架构版本，例如8.6）： 对于Linux/macOS: `export TORCH_CUDA_ARCH_LIST=8.6` 对于Windows: `set TORCH_CUDA_ARCH_LIST=8.6` 3. 然后运行安装命令，例如：`pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu115/torch1.7.0/index.html`（注意：这里的URL需要根据你的CUDA版本和PyTorch版本调整，如引用[2]所示） 方法二：在PyCharm的运行配置中设置环境变量 如果你是通过PyCharm的运行按钮来运行安装脚本（比如setup.py），那么可以： 1. 打开运行配置（Run/Debug Configurations）。 2. 在环境变量（Environment variables）中添加：`TORCH_CUDA_ARCH_LIST=8.6`（根据你的实际情况修改算力版本） 方法三：如果是在PyCharm中直接使用pip安装（通过图形界面），则可能无法直接设置环境变量。此时，建议在PyCharm的终端（方法一）中操作。 注意：算力版本（如8.6）需要根据你的GPU型号和CUDA版本来确定。例如，RTX 30系列显卡通常需要8.6或更高。你可以通过`nvidia-smi`查看CUDA版本，然后根据NVIDIA官方文档确定你的GPU架构的算力版本。如果报错是8.9，那么说明你的GPU可能是较新的型号（如RTX 40系列，算力8.9），但当前安装的mmcv可能还不支持。此时，你可以尝试设置一个较低的算力版本（如8.6）来兼容，或者等待mmcv更新支持。 另外，引用[3]中提到了在.bashrc中设置环境变量并source，但用户之前使用export没有效果，可能是因为环境变量没有在安装过程中生效。如果使用方法一（在同一个终端会话中设置并安装）应该可以解决。 步骤总结： 1. 确定你的GPU算力版本（Compute Capability）。如果不知道，可以到NVIDIA官网查询你的显卡型号对应的算力。例如，RTX 3090是8.6，RTX 4090是8.9。 2. 如果mmcv不支持你的算力（如8.9），则尝试设置一个低一点的算力（如8.6），因为8.6是常见且被广泛支持的。 3. 在PyCharm的终端中设置环境变量（临时）并安装。 示例（针对RTX 4090，算力8.9，我们尝试使用8.6）： ``` export TORCH_CUDA_ARCH_LIST=8.6 pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu117/torch1.13.0/index.html # 注意：这里cu117和torch版本需要根据你的环境修改 ``` 如果上述方法不行，还可以尝试在设置环境变量时同时指定多个算力，例如： ``` export TORCH_CUDA_ARCH_LIST="8.6;8.9" ``` 但请注意，如果mmcv的代码不支持8.9，那么指定8.9可能仍然会失败。因此，建议先尝试使用一个已知被支持的算力版本。 最后，如果问题仍然存在，可能需要考虑更新mmcv版本，或者从源码编译mmcv，并在编译时指定支持的算力。 关于引用[2]：它提供了一个安装mmcv-full的URL，这需要根据你的CUDA版本和PyTorch版本来选择。请确保你选择的URL与你的环境匹配。 希望这些方法能够解决你的问题。</think>### 解决 PyCharm 安装 mmcv 时 "Unknown CUDA arch (8.9)" 错误 该错误表明您的 GPU 架构（算力 8.9）不被当前安装的 mmcv 支持。以下是具体解决方案： #### ✅ 解决方案（通过 PyCharm 终端操作） 1. **确认 GPU 算力** 执行命令查看 GPU 算力（如 RTX 4090/4080 是 8.9）： ```bash nvidia-smi --query-gpu=compute_cap --format=csv ``` 2. **设置环境变量** 在 PyCharm 终端执行（根据您的实际算力修改）： ```bash # 临时生效（推荐先尝试） export TORCH_CUDA_ARCH_LIST="8.9" # 若 8.9 报错则降级为 8.6 # 永久生效（修改 ~/.bashrc） echo &#39;export TORCH_CUDA_ARCH_LIST="8.9"&#39; >> ~/.bashrc source ~/.bashrc ``` 3. **指定版本安装** 根据您的 CUDA 和 PyTorch 版本选择对应 mmcv（参考[^2]）： ```bash # 示例：CUDA 11.5 + PyTorch 1.7.0 pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu115/torch1.7.0/index.html ``` 4. **源码编译安装** 若预编译包不支持，在 PyCharm 终端执行： ```bash git clone https://github.com/open-mmlab/mmcv.git cd mmcv MMCV_WITH_OPS=1 pip install -e . # 编译安装 ``` #### ⚠️ 关键注意事项 1. **算力兼容性** - CUDA 11.x 最高支持算力 8.6（Ampere 架构） - RTX 40 系（算力 8.9）需 CUDA ≥ 12.0 + PyTorch ≥ 2.0 - 若环境不匹配，需降级算力：`export TORCH_CUDA_ARCH_LIST="8.6"` 2. **环境一致性** 确保 PyCharm 使用的终端与系统终端环境一致（检查 `which python` 和 `nvcc --version`） 3. **版本匹配原则** | 组件 | 推荐组合 | |------------|--------------------------| | GPU 算力 | ≤ CUDA 支持的最高算力 | | mmcv-full | 需匹配 PyTorch 和 CUDA 版本 | | CUDA | 需 ≥ GPU 驱动要求版本 | > 💡 **经验提示**：若使用 RTX 40 系显卡，建议升级到 CUDA 12.x + PyTorch 2.x + 最新 mmcv，避免算力不兼容问题[^1][^3]。 #### 验证安装 ```python import torch, mmcv print(torch.cuda.get_arch_list()) # 应包含设置的算力 print(mmcv.__version__) # 输出版本即成功 ```
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