基于Pytorch运行中出现RuntimeError: Not compiled with CUDA support此类错误解决方案

简介: 基于Pytorch运行中出现RuntimeError: Not compiled with CUDA support此类错误解决方案

torch_geometric可以命令模式安装方法

注意:每个python虚拟环境都是可以安装此环境独自需要的cuda版本等。

一、首先在python程序运行的过程中出现了“RuntimeError: Not compiled with CUDA support”错误。

二、然后经过博主不断尝试网上各种解决方案都没有解决,然后发觉可能是之前安装的torch_scatter文件出现了问题(之前安装参考文章和方式如下,也就是直接下载torch_scatter对应版本的whl文件然后安装)。

pip install torch_scatter-2.0.9-cp37-cp37m-win_amd64.whl

参考安装文章:点击打开《基于Pytorch中安装torch_geometric简单详细完整版》文章

三、然后博主决定重新更换torch_scatter版本,但是出现“OSError: /usr/local/cuda-10.2/lib64/libcudart.so.10.1: version `libcudart.so.10.1’ not found (required by /home/xieru21/anaconda3/envs/hiv/lib/python3.7/site-packages/torch_scatter/_scatter_cuda.so)”错误,说明更换torch_scatter版本是有问题的。然后博主又重新和之前安装方式一样重新用whl文件安装torch_scatter,但是还是出现“RuntimeError: Not compiled with CUDA support”错误。

四、然后本人决定更换安装方式,采用命令形式不用whl文件安装,注意:博主之前在此python虚拟环境安装的就是cuda10.2和pytorch1.10,所以下面的命令中采用这个torch-1.10.0+cu102,否则需要更改,链接前面的内容可以不更改只需要更改“torch-1.10.0+cu102”此部分,怎么更改除参考自己虚拟环境的cuda和pytorch版本,还需要点击此链接核对一下对应的cuda和pytorch版本。比如:你的虚拟环境pytorch版本是1.11.0,cuda版本是11.3那么命令中的链接https://data.pyg.org/whl/torch-1.10.0+cu102.html改成https://data.pyg.org/whl/torch-1.11.0+cu113.html,其他照旧。安装完成之后发现torch_scatter版本还是之前安装的版本,说明之前安装的方式还是有些bug存在。

pip install torch-scatter -f https://data.pyg.org/whl/torch-1.10.0+cu102.html
y

五(可跳)、鉴于之前的安装方式有bug存在,那么基于Pytorch中安装torch_geometric可以换成新的命令模式安装,这个安装方式是和此篇《基于Pytorch中安装torch_geometric简单详细完整版》文章对比。博主举例的依旧是cuda版本是10.2,然后pytorch版本是1.10。

  • 创建一个叫做test的python=3.7的虚拟环境
conda create -n test python=3.7
y

  • 激活test虚拟环境
conda activate test

  • 安装cuda10.2(注意:如果conda版本等级太低无法用conda命令安装cuda高级版本的,比如cuda11.3.1,所以需要先升级conda版本,命令是:conda update -n base -c defaults conda
conda install cudatoolkit==10.2.89
y

pip install torch-1.10.0+cu102-cp37-cp37m-linux_x86_64.whl

  • 下载配置torch-geometric,注意:torch_sparse的安装还是要指定其安装版本,否则会报错安装失败,但是torch-geometric可以不指定安装版本,但是根据需求可以指定。
pip install torch-scatter -f https://data.pyg.org/whl/torch-1.10.0+cu102.html

pip install torch_sparse==0.6.13 -f https://data.pyg.org/whl/torch-1.10.0+cu102.html

pip install torch_cluster -f https://data.pyg.org/whl/torch-1.10.0+cu102.html

pip install torch_spline_conv -f https://data.pyg.org/whl/torch-1.10.0+cu102.html

pip install torch-geometric==2.0.1

  • 测试torch_geometric安装是否成功,复制下面命令运行没有报错就说明安装成功。
python
import torch_geometric


相关文章
|
机器学习/深度学习 存储 PyTorch
【AMP实操】解放你的GPU运行内存!在pytorch中使用自动混合精度训练
【AMP实操】解放你的GPU运行内存!在pytorch中使用自动混合精度训练
762 0
|
机器学习/深度学习 并行计算 PyTorch
百度搜索:蓝易云【Pytorch和CUDA版本对应关系】
请注意,上述版本对应关系只是示例,并非详尽无遗。实际上,PyTorch的每个版本通常会支持多个CUDA版本,而具体支持的CUDA版本也可能因操作系统、硬件配置等因素而有所不同。因此,在使用PyTorch时,建议参考PyTorch官方文档或社区支持的信息,以获取最准确和最新的PyTorch与CUDA版本对应关系。
380 2
|
并行计算 PyTorch 算法框架/工具
【pytorch】解决pytorch:Torch not compiled with CUDA enabled
【pytorch】解决pytorch:Torch not compiled with CUDA enabled
8063 0
|
5月前
|
缓存 并行计算 PyTorch
PyTorch CUDA内存管理优化:深度理解GPU资源分配与缓存机制
本文深入探讨了PyTorch中GPU内存管理的核心机制,特别是CUDA缓存分配器的作用与优化策略。文章分析了常见的“CUDA out of memory”问题及其成因,并通过实际案例(如Llama 1B模型训练)展示了内存分配模式。PyTorch的缓存分配器通过内存池化、延迟释放和碎片化优化等技术,显著提升了内存使用效率,减少了系统调用开销。此外,文章还介绍了高级优化方法,包括混合精度训练、梯度检查点技术及自定义内存分配器配置。这些策略有助于开发者在有限硬件资源下实现更高性能的深度学习模型训练与推理。
885 0
|
5月前
|
机器学习/深度学习 并行计算 PyTorch
英伟达新一代GPU架构(50系列显卡)PyTorch兼容性解决方案
本文记录了在RTX 5070 Ti上运行PyTorch时遇到的CUDA兼容性问题,分析其根源为预编译二进制文件不支持sm_120架构,并提出解决方案:使用PyTorch Nightly版本、更新CUDA工具包至12.8。通过清理环境并安装支持新架构的组件,成功解决兼容性问题。文章总结了深度学习环境中硬件与框架兼容性的关键策略,强调Nightly构建版本和环境一致性的重要性,为开发者提供参考。
2345 64
英伟达新一代GPU架构(50系列显卡)PyTorch兼容性解决方案
|
11月前
|
并行计算 PyTorch TensorFlow
Ubuntu安装笔记(一):安装显卡驱动、cuda/cudnn、Anaconda、Pytorch、Tensorflow、Opencv、Visdom、FFMPEG、卸载一些不必要的预装软件
这篇文章是关于如何在Ubuntu操作系统上安装显卡驱动、CUDA、CUDNN、Anaconda、PyTorch、TensorFlow、OpenCV、FFMPEG以及卸载不必要的预装软件的详细指南。
10801 4
|
6月前
|
机器学习/深度学习 并行计算 PyTorch
Windows下CUDA+pytorch安装
以下是关于在Windows下安装CUDA和PyTorch的简要介绍及参考链接:
305 0
Windows下CUDA+pytorch安装
|
9月前
|
人工智能 安全 PyTorch
SPDL:Meta AI 推出的开源高性能AI模型数据加载解决方案,兼容主流 AI 框架 PyTorch
SPDL是Meta AI推出的开源高性能AI模型数据加载解决方案,基于多线程技术和异步事件循环,提供高吞吐量、低资源占用的数据加载功能,支持分布式系统和主流AI框架PyTorch。
312 10
SPDL:Meta AI 推出的开源高性能AI模型数据加载解决方案,兼容主流 AI 框架 PyTorch
|
Serverless PyTorch 文件存储
函数计算产品使用问题之如何使用并运行PyTorch
函数计算产品作为一种事件驱动的全托管计算服务,让用户能够专注于业务逻辑的编写,而无需关心底层服务器的管理与运维。你可以有效地利用函数计算产品来支撑各类应用场景,从简单的数据处理到复杂的业务逻辑,实现快速、高效、低成本的云上部署与运维。以下是一些关于使用函数计算产品的合集和要点,帮助你更好地理解和应用这一服务。
122 0
|
并行计算 Ubuntu PyTorch
Ubuntu下CUDA、Conda、Pytorch联合教程
本文是一份Ubuntu系统下安装和配置CUDA、Conda和Pytorch的教程,涵盖了查看显卡驱动、下载安装CUDA、添加环境变量、卸载CUDA、Anaconda的下载安装、环境管理以及Pytorch的安装和验证等步骤。
2500 1
Ubuntu下CUDA、Conda、Pytorch联合教程

热门文章

最新文章

推荐镜像

更多