快捷導(dǎo)航

pytorch執(zhí)行報(bào)錯(cuò)cuda版本不匹配

更新時(shí)間：2026年04月08日 10:19:14 作者：陌上陽光

本文主要介紹了pytorch執(zhí)行報(bào)錯(cuò)cuda版本不匹配,可能包括CUDA驅(qū)動程序、CUDA工具包、PyTorch版本、GPU占用、硬件問題等,并提供了檢查和解決方法,感興趣的可以了解一下

RuntimeError: GET was unable to find an engine to execute this computation

nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Tue_Sep_15_19:10:02_PDT_2020
Cuda compilation tools, release 11.1, V11.1.74
Build cuda_1.1TC455_06.29069683_0

安裝的torch版本是cuda11.8，但是機(jī)器環(huán)境指向的是11.1版本

vim ~/.bashrc  # 將下面的命令追加到bashrc文件中
source ~/.bashrc

bashrc是全局變量文件，source后會在所有的虛擬環(huán)境里面生效。export導(dǎo)入多個(gè)cuda文件，最后生效的是最后一次export的cuda版本。

# 下面命令將機(jī)器環(huán)境cuda版本指向cuda11.8 
export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH

cuda11.8

nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

執(zhí)行完上述命令后，腳本不再報(bào)錯(cuò)。

RuntimeError: GET was unable to find an engine to execute this computation 這個(gè)報(bào)錯(cuò)通常與 PyTorch 在使用 GPU 時(shí)的問題有關(guān)，可能的原因有：

CUDA 驅(qū)動程序問題：CUDA 驅(qū)動程序沒有正確安裝或版本不匹配。
CUDA 工具包未正確配置：CUDA 工具包未正確安裝或環(huán)境變量未正確配置。
PyTorch 編譯時(shí)未正確支持 CUDA：你安裝的 PyTorch 版本可能沒有編譯支持 CUDA。
GPU 被其他進(jìn)程占用：當(dāng)前 GPU 被其他進(jìn)程占用，導(dǎo)致無法使用。
硬件問題：GPU 硬件可能有問題，導(dǎo)致無法執(zhí)行計(jì)算。

解決步驟

1. 檢查 CUDA 驅(qū)動程序

確保 CUDA 驅(qū)動程序已正確安裝并且版本與 CUDA 工具包版本匹配。使用以下命令檢查：

nvidia-smi

如果輸出顯示 GPU 信息，說明 CUDA 驅(qū)動程序已正確安裝。

2. 檢查 CUDA 工具包

確保 CUDA 工具包已正確安裝，并且 nvcc 命令可以運(yùn)行：

nvcc --version

確保輸出顯示 CUDA 版本信息。

3. 檢查 PyTorch 是否支持 CUDA

確保你安裝的 PyTorch 版本支持 CUDA，并且 CUDA 版本與 PyTorch 版本兼容。運(yùn)行以下代碼：

import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.backends.cudnn.version())

確保輸出顯示 CUDA 可用，并且 CUDA 和 cuDNN 版本正確。

4. 檢查 GPU 使用情況

確保 GPU 未被其他進(jìn)程占用。使用以下命令檢查 GPU 使用情況：

nvidia-smi

5. 重新安裝支持 CUDA 的 PyTorch

如果問題仍然存在，嘗試重新安裝支持 CUDA 的 PyTorch 版本：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

確保將 cu113 替換為你實(shí)際需要的 CUDA 版本。

示例代碼進(jìn)行檢查

以下是一些示例代碼來進(jìn)行檢查和調(diào)試：

import torch
# 檢查 PyTorch 和 CUDA 版本
print("PyTorch version:", torch.__version__)
print("CUDA version:", torch.version.cuda)
# 檢查 CUDA 是否可用
cuda_available = torch.cuda.is_available()
print("Is CUDA available:", cuda_available)
# 檢查 GPU 設(shè)備數(shù)量
device_count = torch.cuda.device_count()
print("CUDA device count:", device_count)
if cuda_available:
    for i in range(device_count):
        print(f"Device {i}: {torch.cuda.get_device_name(i)}")
# 嘗試運(yùn)行簡單的 CUDA 操作
if cuda_available:
    try:
        x = torch.tensor([1.0, 2.0, 3.0], device='cuda')
        y = x ** 2
        print("CUDA computation result:", y)
    except RuntimeError as e:
        print("CUDA computation failed:", e)

PyTorch version: 2.1.0+cu118
CUDA version: 11.8
Is CUDA available: True
CUDA device count: 4
Device 0: NVIDIA GeForce RTX 3090
Device 1: NVIDIA GeForce RTX 3090
Device 2: NVIDIA GeForce RTX 3090
Device 3: NVIDIA GeForce RTX 3090
CUDA computation result: tensor([1., 4., 9.], device='cuda:0')

通過這些步驟，你應(yīng)該能找到并解決 RuntimeError: GET was unable to find an engine to execute this computation 的原因。

到此這篇關(guān)于pytorch執(zhí)行報(bào)錯(cuò)cuda版本不匹配的文章就介紹到這了,更多相關(guān)pytorch cuda版本不匹配內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: