nvcc fatal : Unsupported gpu architecture ‘compute_86‘

最新推荐文章于 2024-08-25 11:33:23 发布

洛洛洛洛洛洛洛

最新推荐文章于 2024-08-25 11:33:23 发布

阅读量1k

点赞数

CC 4.0 BY-SA版权

分类专栏：程序报错合集

本文链接：https://blog.youkuaiyun.com/weixin_44740082/article/details/115494823

程序报错合集专栏收录该内容

1 篇文章

订阅专栏

本文介绍了使用PyTorch安装Apex时遇到的CUDA不支持高算力错误，提供了解决方案，即通过设置环境变量将TORCH_CUDA_ARCH_LIST调整为'7.5'来适应较低的GPU需求。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用pytorch 安装使用apex时报错

nvcc fatal : Unsupported gpu architecture ‘compute_86‘
command '/usr/local/cuda/bin/nvcc' failed with exit status 1

主要原因应该是硬件能够支持的算力比较高，能达到8.6，但是cuda11.0支持不了这么高的算力，通过下述脚本，设置环境变量，降低算力要求，即可：

export TORCH_CUDA_ARCH_LIST="7.5"

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

洛洛洛洛洛洛洛

关注关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

caffe 编译 + nvcc fatal : Unsupported gpu architecture ‘compute_86‘

wuyeyoulan23的专栏

12-09

1769

caffe (GPU版) 编译出现错误： nvcc fatal : Unsupported gpu architecture ‘compute_86‘ （出现以上错误消息时的caffe环境配置： 1. win11 + NVIDIA RTX3080 2.cmake-3.16.8-win64-x64.msi 3.en_visual_studio_community_2015_with_update_3_x86_x64_dvd_8923300.iso 4. Anaconda3-2021.05-W...

【已解决】PCL配置中出现：nvcc fatal : Unsupported gpu architecture ‘compute_30‘

kanbarakun的博客

02-26

3472

我的CUDA编译器nvcc不支持compute_30这个GPU架构，这个GPU架构较老，不符合应该有的算力设置，与CUDA版本不兼容。我的显卡是GeForce GTX 1660 Ti，对应7.5，那么我需要设置的架构就是compute_75。1.修改PCL中关于CUDA的代码，找到“compute_30”的部分修改成你对应的架构或者注释掉。在原本的语句后加入：-DCUDA_ARCH_BIN=“XX”，其中XX即为步骤一中得到的数。2.降级CUDA版本，如果你的项目必须使用这种较老的架构的话。

参与评论您还未登录，请先登录后发表或查看评论

【Bug解决】nvcc fatal : Unsupported gpu architecture ‘compute_86‘

weixin_44001371的博客

11-13

1644

GPU 3090 硬件能够支持的算力比较高，能达到 8.6，而当前 CUDA 11.1 不支持算力 8.6。注：感觉该环境变量会有点问题，运行完代码又改回去了。

caffe编译报错“nvcc fatal : Unsupported gpu architecture ‘compute_86‘”

qq_41466376的博客

03-31

2479

简单记录，有点乱

windows环境下cuda报错：nvcc fatal : Unsupported gpu architecture ‘compute_86‘

qq_26623993的博客

10-21

1457

windows环境下cuda报错：nvcc fatal : Unsupported gpu architecture ‘compute_86‘ 向系统环境变量中添加一项：TORCH_CUDA_ARCH_LIST，值为7.5。重启pycharm或者cmd，再进行相关操作即可。

nvcc fatal : Unsupported gpu architecture ‘compute_86‘ CMake Error at Memory_Transfer_generated_me

ZhengrongYue的博客

11-24

3128

nvcc fatal : Unsupported gpu architecture 'compute_86' CMake Error at Memory_Transfer_generated_me

【解决30、40系列显卡使用mmrotate出现nvcc fatal: Unsupported gpu architecture ‘compute_86‘及size mismatch报错】

weixin_44495772的博客

08-25

569

Facebook在2021年推出了pytorch1.8.0版本，而英伟达第一个型号的40系列显卡是在22年发布，因此需要更高的torch版本来支持更高版本的sm_86架构（即更高版本的cuda）。主要原因是mmrotate教程推荐的pytorch版本太低，因此需要保证当前使用的torch。和cuda版本适配30、40系列的显卡，而mmcv也必须重新安装适配torch的版本。

Debug：nvcc fatal: Unsupported gpu architecture ‘compute_86‘； sm_86 is not compatible with Pytorch

qq_41035283的博客

05-13

2532

Debug：nvcc fatal: Unsupported gpu architecture 'compute_86' 问题描述1 编译knn_cuda时，报了个错： nvcc fatal : Unsupported gpu architecture ‘compute_86‘ 意思是显卡算力太高，安装的cuda版本不支持（竟然还有这么神奇的错误），compute_86指显卡计算能力是8.6，RTX 30系，A系显卡都是这个算力。解决方法通过系统环境变量设置降低算力： export TORCH_CUDA

【异常问题】nvcc fatal : Unsupported gpu architecture ‘compute_86‘ 解决方案

LeeZhao的博客

05-17

4336

nvcc fatal : Unsupported gpu architecture 'compute_86' 解决方案

nvcc fatal : Unsupported gpu architecture ‘compute_86‘（windows darknet 的cuda编译）

lishiyu93的博客

03-09

1995

环境软件 windows10 cuda 10.0 VS2019 硬件 GPU：1660ti 问题描述编译darknet代码时，报错nvcc fatal : Unsupported gpu architecture ‘compute_86’ 分析 1660tiGPU的算力不支持8.6，而最新的工程中的CUDA配置了8.6参数解决办法删除compute_86,sm_86参数。1660ti的算力支持7.5，故修改后的配置参数如下： compute_50,sm_50 compute_61,sm_61

nvcc fatal : Unsupported gpu architecture ‘compute_86‘问题解决

chen_yanan的博客

03-31

1万+

设备：显卡3080 环境：Windows10 cuda11.0 语言：python 问题：代码setup时出现nvcc fatal : Unsupported gpu architecture ‘compute_86‘的问题，经查找，发现根本问题是显卡与cuda版本支持的算力不匹配。可行解决方案： 1.升级CUDA版本。由于改代码要求cuda版本为11.0，故没有升级cuda版本。 2.据说30系列显卡都会出现此类问题，暴力解决方法就是换电脑换显卡。 3.本人解决方法，向系统环境

nvcc fatal : Unsupported gpu architecture ‘compute_86‘解决方法

qq_40349484的博客

04-29

1341

nvcc fatal : Unsupported gpu architecture ‘compute_86‘解决方法

求助 nvcc fatal : Unsupported gpu architecture ‘compute_86‘

weixin_48632536的博客

12-05

1467

显卡 3070 ubuntu18.04 cuda 11.0 + cudnn v8.0.5.39 +torch1.7 尝试着调soloV2 根据官方安装Detectron2 官方给的安装代码：python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu110/torch1.7/index.html 后面 git clone https://github.com/aim-uofa/AdelaiD

bug】解决：nvcc fatal : Unsupported gpu architecture ‘compute_86‘

qq_43431863的博客

05-06

2425

配置VisTR代码，编译下面这段代码报错 Compile DCN module(requires GCC>=5.3, cuda>=10.0) cd models/dcn python setup.py build_ext --inplace 本人环境： cuda11.6 ubuntu 20.04.1 算力8.6 RTX 3090 解决方案错误原因： GPU 3090 算力是 8.6，而当前 CUDA 11.0 不支持算力 8.6。解决方案：设置环境变量，降低算力要求。打开配置文件 v

GPU算力太高导致nvcc fatal : Unsupported gpu architecture ‘compute_86‘

最新发布

12-27

### 编译 DCNv2 时遇到 `nvcc` 不支持 GPU 架构 `'compute_86'` 的解决方案当尝试编译带有特定 CUDA 版本的项目如 DCNv2 并遭遇 `nvcc fatal : Unsupported gpu architecture 'compute_86'` 错误时，这通常意味着当前使用的 NVIDIA 编译器工具链版本不兼容所指定的目标架构。 #### 修改 Makefile 或 CMakeLists.txt 文件对于此类问题的一个常见修复措施是在项目的构建配置文件中调整目标计算能力设置。具体来说，在 `Makefile` 或者 `CMakeLists.txt` 中找到定义 CUDA 架构的地方，并将其更改为与本地环境相匹配的支持版本： ```makefile CUDA_ARCH := -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gencode arch=compute_60,code=sm_60 \ -gencode arch=compute_70,code=sm_70 \ -gencode arch=compute_75,code=sm_75 \ -gencode arch=compute_80,code=sm_80 \ -gencode arch=compute_86,code=sm_86 # 移除或注释掉这一行 ``` 如果使用的是较新的 CUDA 工具包，则可能需要移除或修改上述代码片段中的最后一行，因为并非所有的 CUDA 发布版都支持最新的 GPU 架构[^1]。 #### 更新 CUDA 安装路径另一个潜在的原因可能是由于系统上的 CUDA 路径配置不当引起的。确认 `.bashrc` 和其他 shell 配置文件里关于 CUDA 的环境变量指向了正确的安装位置。例如： ```shell export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 确保这些路径确实对应于已安装的 CUDA 版本，并且该版本能够识别并处理所需的目标架构[^4]。 #### 使用合适的 PyTorch 及其依赖库版本考虑到不同版本之间的兼容性差异，建议检查正在使用的 Python、PyTorch 和 CUDA 组合是否相互兼容。特别是对于深度学习框架而言，某些预编译二进制文件可能会针对特定硬件特性进行优化，因此选择适当组合非常重要[^5]。通过以上方法应该可以有效解决因 `nvcc` 不支持某一代号为 `compute_86` 的 GPU 架构而导致的编译失败问题。