tensorflow——960M显卡深度学习_报错no kernel image is available for execution on the device详解
文章目录
- 消歧义
- 一、问题描述
- 二、解决方法
- 参考文章
消歧义
文中的算力一词指代 (Compute) Capability
一、问题描述
以下是配置：
| 配置 | 版本 |
|---|---|
| 显卡 | Nvidia Geforce GTX 960M |
| 系统 | Windows 10 20H2 |
| CUDA | V10.1.105 |
| cuDNN | V7.6.5 |
| tensorflow-gpu | V2.3.1 |
| Python | V3.6.8 64Bit |
比对N卡官网配置，960M（算力5.0）可以支持CUDA V10.1和cuDNN V7.6（官网错误标注为V7.4，实际可以支持V7.6），然而在实际运行代码中抛出错误...no kernel image is available for execution on the device
然而在970M（算力5.2）则可以正常运行，两张卡只相差0.2算力
二、解决方法
简而言之，问题出在虽然CUDA和cuDNN版本正确，但tensorflow V2.3不支持算力5.2以下的显卡。算力5.2是一个界线，而960M的算力为5.0，因此不能使用V2.3
详细原因见参考文章
解决方法亲测有以下几种：
- 降低版本pip tensorflow-gpu==2.2
- 使用快照版tensorflow，名称为pip tf-nightly-gpu==2.3.0.dev20200530
若快照版会在Adding visible gpu devices:0卡顿，等一会就好 - 换电脑
参考文章
- 关于tensorflow V2.3不支持960M显卡及算力5.2以下显卡的测试及原因
GitHub:no kernel image is available for execution on the device #42467
- 关于问题的解决方案之一
GitHub:CUDA runtime implicit initialization on GPU:0 failed. Status: device kernel image is invalid? #41990
- 关于运行至Adding visible gpu devices:0卡顿
CSDN:tensorflow-gpu运行测试代码，卡在 I tensorflow/core/common_runtime/gpu/gpu_device.cc:1512] Adding visible gpu
- 关于tensorflow不同python版本的解释
CSDN:TensorFlow提供Python语言的四个不同版本tensorflow，tensorflow-gpu，tf-nightly、tf-nightly-gpu
- 关于tensorflow V2.3的更新内容
Tensorflow Blog:What’s new in TensorFlow 2.3?
tensorflow——960M显卡深度学习_报错no kernel image is available for execution on the device详解相关推荐
- 高版本CUDA 在算力低的显卡上不执行核函数如no kernel image is available for execution on the device
在之前的笔记本上(显卡 GT 640M,算力3.0)装了CUDA10 ,每次执行核函数的时候都会直接跳过,参考了这篇博文,在核函数后面加入 cudaError_t cudaStatus = cudaG ...
- 3080算力添加、ValueError: Unknown CUDA arch (8.6) or GPU not supported 解决RTX30 运行深度学习代码报错
ValueError: Unknown CUDA arch (8.6) or GPU not supported 解决RTX30 运行深度学习代码报错 之前安装pytorch的时候有遇到一个问题,不支 ...
- 专业显卡深度学习_如何给非专业人士讲解什么是深度学习？
转自王咏刚老师<人工智能> 去年开始,工作中需要做许多有关 AI 科普的事情.很长时间里一直在想,该如何给一个没有 CS 背景的人讲解什么是深度学习,以便让一个非技术的投资人.企业管理者. ...
- 专业显卡深度学习_学习深度学习，如何选购显卡？
学习深度学习,显卡(GPU)可以说是比不可少的投资.本文试图探究哪个GPU才是学习入门性价比最高的? 为什么深度学习需要GPU? 我们先来比较一下CPU和GPU的不同,下图是一个简化的处理器内部结构图 ...
- 《动手学深度学习》报错 解决方案RuntimeError: DataLoader worker (pid(s) ...) exited unexpectedly
最近在学习<动手学深度学习>这本书,其中3.6节训练时出现如下错误: 这个就是多进程出了问题,需要找到get_dataloader_workers()函数,更改其返回值,解决方案如下: 1 ...
- 报错盲注之exp注入(double数值类型溢出原理详解)
首先感谢原文博主,在此致敬.本文转自:http://www.cnblogs.com/lcamry/articles/5509124.html Exp()为以 e 为底的对数函数:MySQL版本在 5. ...
- 一位深度学习小萌新的学渣笔记(四）GoogLeNet网络介绍及代码详解
前言 继续学习霹雳大神的神经网络讲解视频 更新不易,希望大家可以去看原视频支持up主霹雳吧啦Wz GoogLeNet网络详解 使用pytorch搭建GoogLeNet网络 本博文记载的是基于Pytor ...
- 专业显卡深度学习_胜任专业学习工作领域，双11就买RTX显卡神舟战神游戏本
或许老玩家们都发现,除了"吃鸡"乃至"LOL"这种"老游戏"之外,这两年我们并没有迎来爆发式普及的电竞作品.换句话说,游戏电竞领域将进入常态 ...
- 【从零开始学习深度学习】22. 卷积神经网络（CNN）中填充(padding)与步幅(stride)详解，填充、步幅、输入及输出之间的关系
目录 1 填充(padding) 2 步幅(stride) 总结 在上一篇文章中,我们使用高和宽为3的输入与高和宽为2的卷积核得到高和宽为2的输出.一般来说,假设输入形状是 n h × n w n_h ...
最新文章
- iOS 13 适配TextField 崩溃问题
- 喷涂机器人保养应该注意的七个事项
- 哈佛大学通过百度搜索的数据写了篇论文：新冠病毒起源于去年8月的武汉...
- apache 创建多端口监听
- cacti监控下添加对磁盘io的监控方法（Linux主机和Windows主机）
- wget命令出现Unable to establish SSL connection.错误
- 好文深思：1.3 万亿条数据查询，如何做到毫秒级响应？
- 初学者如何选择合适的机器学习算法（附算法速查表）
- 使用Samba服务器构建私有和公共共享目录
- vue传中文标点_vue项目引入第三方高德地图实现标点定位
- FileZilla的下载与安装以及简单使用（Ubuntu和Windows之间互传文件需要下载——客户端）
- 贪心算法—建立雷达(POJ 1328)
- 去除img未加载到的默认边框问题
- linux mysql 建索引_MySQL在创建索引之前一定要想到的事情
- Tomcat运行时报 cannot be cast to javax.servlet.Servlet
- Ka的回溯编程练习 Part4|分配工作与选书
- 老男孩linux——36期学员
- React Native集成阿里云推送----广播推送
- Android Timer和TimerTask解决IllegalStateException：Task already scheduled or cancelled
- L1-009 N个数求和 (20分) C语言