NVIDIA rtx3070显卡驱动、算力和cuda版本匹配关系
问题描述:3070装好显卡驱动,cuda之后无法使用,抛出异常:RuntimeError: CUDA error: no kernel image is available for execution on the device
原因:版本之间不匹配
我的显卡驱动:
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.103.01 Driver Version: 470.103.01 CUDA Version: 11.4 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... Off | 00000000:1A:00.0 Off | N/A |
| 30% 35C P8 15W / 220W | 497MiB / 7982MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 1 NVIDIA GeForce ... Off | 00000000:3D:00.0 Off | N/A |
| 30% 30C P8 18W / 220W | 8MiB / 7982MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 2 NVIDIA GeForce ... Off | 00000000:89:00.0 Off | N/A |
| 30% 30C P8 20W / 220W | 8MiB / 7982MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 3 NVIDIA GeForce ... Off | 00000000:B2:00.0 Off | N/A |
| 30% 31C P8 23W / 220W | 8MiB / 7982MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
显卡算力查看:链接
import torch
torch.cuda.get_arch_list()
package pyton cuda cudnn architectures
pytorch-1.0.0 py3.7 cuda10.0.130 cudnn7.4.1_1 sm_30, sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.0.0 py3.7 cuda8.0.61 cudnn7.1.2_1 sm_20, sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61
pytorch-1.0.0 py3.7 cuda9.0.176 cudnn7.4.1_1 sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61, sm_70
pytorch-1.0.1 py3.7 cuda10.0.130 cudnn7.4.2_0 sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.0.1 py3.7 cuda10.0.130 cudnn7.4.2_2 sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.0.1 py3.7 cuda8.0.61 cudnn7.1.2_0 sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61
pytorch-1.0.1 py3.7 cuda8.0.61 cudnn7.1.2_2 sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61
pytorch-1.0.1 py3.7 cuda9.0.176 cudnn7.4.2_0 sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.0.1 py3.7 cuda9.0.176 cudnn7.4.2_2 sm_35, sm_50, sm_60, sm_70
pytorch-1.1.0 py3.7 cuda10.0.130 cudnn7.5.1_0 sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.1.0 py3.7 cuda9.0.176 cudnn7.5.1_0 sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.2.0 py3.7 cuda9.2.148 cudnn7.6.2_0 sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.2.0 py3.7 cuda10.0.130 cudnn7.6.2_0 sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.2.0 py3.7 cuda9.2.148 cudnn7.6.2_0 sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.3.0 py3.7 cuda10.0.130 cudnn7.6.3_0 sm_30, sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.0 py3.7 cuda10.1.243 cudnn7.6.3_0 sm_30, sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.0 py3.7 cuda9.2.148 cudnn7.6.3_0 sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.3.1 py3.7 cuda10.0.130 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.1 py3.7 cuda10.1.243 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.1 py3.7 cuda9.2.148 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.4.0 py3.7 cuda10.0.130 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.4.0 py3.7 cuda10.1.243 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.4.0 py3.7 cuda9.2.148 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.5.0 py3.7 cuda10.1.243 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.0 py3.7 cuda10.2.89 cudnn7.6.5_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.0 py3.7 cuda9.2.148 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.5.1 py3.7 cuda10.1.243 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.1 py3.7 cuda10.2.89 cudnn7.6.5_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.1 py3.7 cuda9.2.148 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.6.0 py3.7 cuda10.1.243 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.6.0 py3.7 cuda10.2.89 cudnn7.6.5_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.6.0 py3.7 cuda9.2.148 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.7.0 py3.7 cuda10.1.243 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.0 py3.7 cuda10.2.89 cudnn7.6.5_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.0 py3.7 cuda11.0.221 cudnn8.0.3_0 sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80
pytorch-1.7.0 py3.7 cuda9.2.148 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.7.1 py3.7 cuda10.1.243 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.1 py3.7 cuda10.2.89 cudnn7.6.5_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.1 py3.7 cuda11.0.221 cudnn8.0.5_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80
pytorch-1.7.1 py3.7 cuda9.2.148 cudnn7.6.3_0 sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.8.0 py3.7 cuda10.1 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.0 py3.7 cuda10.2 cudnn7.6.5_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.0 py3.7 cuda11.1 cudnn8.0.5_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.8.1 py3.7 cuda10.1 cudnn7.6.3_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.1 py3.7 cuda10.2 cudnn7.6.5_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.1 py3.7 cuda11.1 cudnn8.0.5_0 sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
结论:rtx 3070 需要安装cuda11以上(也许并不绝对,我猜的)
references:
- https://blog.csdn.net/weixin_42642296/article/details/115598760
- https://developer.nvidia.com/zh-cn/cuda-gpus#compute
±----------------------------------------------------------------------------+
| NVIDIA-SMI 470.103.01 Driver Version: 470.103.01 CUDA Version: 11.4 |
|-------------------------------±---------------------±---------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=++==============|
| 0 NVIDIA GeForce … Off | 00000000:1A:00.0 Off | N/A |
| 30% 35C P8 15W / 220W | 497MiB / 7982MiB | 0% Default |
| | | N/A |
±------------------------------±---------------------±---------------------+
| 1 NVIDIA GeForce … Off | 00000000:3D:00.0 Off | N/A |
| 30% 30C P8 18W / 220W | 8MiB / 7982MiB | 0% Default |
| | | N/A |
±------------------------------±---------------------±---------------------+
| 2 NVIDIA GeForce … Off | 00000000:89:00.0 Off | N/A |
| 30% 30C P8 20W / 220W | 8MiB / 7982MiB | 0% Default |
| | | N/A |
±------------------------------±---------------------±---------------------+
| 3 NVIDIA GeForce … Off | 00000000:B2:00.0 Off | N/A |
| 30% 31C P8 23W / 220W | 8MiB / 7982MiB | 0% Default |
| | | N/A |
±------------------------------±---------------------±---------------------+
NVIDIA rtx3070显卡驱动、算力和cuda版本匹配关系相关推荐
- 显卡驱动对应的cuda版本
上图中是每个cuda版本对应的最低显卡驱动, 换句话说显卡驱动版本只要高于或等于对应的最低显卡驱动都可以. 显卡的驱动版本可以通过命令查询:nvidia-smi
- NVIDIA,显卡驱动,CUDA版本之间兼容关系及安装
NVIDIA显卡,显卡驱动版本及CUDA版本兼容关系及如何选择 NVIDIA显卡,显卡驱动版本及CUDA版本兼容关系及如何选择 要配置NVIDIA显卡的CUDA,各种版本之间的依赖关系以及与其他使用G ...
- linux双系统安装nvidia,Linux_Ubuntu系统安装Nvidia Quadro显卡驱动的方法, 虽然在安装了一个版本后 - phpStudy...
Ubuntu系统安装Nvidia Quadro显卡驱动的方法 虽然在安装了一个版本后的Ubuntu系统会自带一个显卡驱动,但是显卡驱动是会更新的,这就要涉及到怎么在Ubuntu系统中安装Nvidia显 ...
- ubuntu16.04下Nvidia T1000显卡驱动460、CUDA10.2、CUDNN8安装
准备工作 架构与GPU型号:非官方介绍,页面搜索一下GPU就行.这个表显示我应该装CUDA10,但是先8.0凑和着.理论依据,要用9的话会出现这个问题 Pascal (CUDA 8 and later ...
- 使用 GeForce Experience 更新 NVIDIA GPU 显卡驱动
使用 GeForce Experience 更新 NVIDIA GPU 显卡驱动 1 NVIDIA GeForce Experience 2 驱动程序 -> 检查更新文件 3 下载 如果有可用的 ...
- Ubuntu 14.04 / 13.10 / 13.04 / 12.04使用PPA安装NVIDIA GeForce显卡驱动
最近,在一台比较老的PC上装了ubuntu 14.04,安装过程中时不时花屏,开机输入密码后直接花屏卡死,最后google确认是ubuntu的开源驱动,对较老的NVIDIA显卡驱动有问题.so,看到一 ...
- CentOS6.5安装NVIDIA的显卡驱动
刚刚安装的CentOS6.5显示特别差,还不能修改分辨率,要安装NVIDIA驱动,就方便修改分辨率了. Linux下安装显卡驱动软件明显不如windows下的方便,安装不好,直接开机不了,甚至最坏要重 ...
- Debian 8桌面安装Nvidia GTX960显卡驱动
前言 还是上次那个朋友,帮他把组装电脑装好Debian系统后,首先是出现USB无线网卡驱动问题,现在又是出现显卡驱动问题. 因为没有安装显卡闭源驱动,每次开机都会出现提示没有使用硬件加速,不推荐使用之 ...
- ubuntu20.04到ubuntu18.04安装英伟达(nvidia)显卡驱动的血泪史
文章目录 ubuntu20.04到ubuntu18.04安装显卡驱动的血泪史 一.Ubuntu系统准备 二.显卡驱动的三种方法 1. 使用标准Ubuntu仓库进行自动安装 2. 使用PPA仓库进行自动 ...
最新文章
- Nacos 1.3.0 发布, 全新内核构建
- libsvm java下载_java-libsvm 版 结合已有数据集的demo,方便初学者使用 Develop 238万源代码下载- www.pudn.com...
- Winform中实现跨窗体获取ZedGraph的ZedGraphControl控件对象
- Java写入大字符串到oracle数据库_java程序如何提高oracle百万级数据的insert效率
- [BUUCTF-pwn]——jarvisoj_level2_x64
- Java EE + MongoDb与Apache TomEE和Jongo Starter项目
- mysql行列转置-图文详解
- java 用户、角色、权限数据库设计
- C#程序通过模板自动创建Word文档
- ai带来的革命_Covid-19将加速AI医疗保健革命
- 我们不知道我们不知道:用同化项目做网络安全
- ftell函数的用法(用于获取指针位置)
- 使用Echarts实现地图3D效果
- 屏幕取色软件ColorPix
- 平行四边形的定义以及判定和性质
- 非常非常地重试重试组件,使用杠铃的
- 前端html与css学习笔记总结篇(超详细)
- pg数据库numeric对应oracle,Oracle类型number与PG类型numeric对比和转换策略
- zynq Linux软件中断,Linux Zynq GPIO中断
- wps画流程图交叉弧形_WPS3分钟画出高逼格的流程图
热门文章
- [转]深入理解Kingfisher(下)
- Bootstrap从入门到实战---模态框
- 论售前工程师主要岗位职责及作用
- 【线性代数】向量的乘法运算
- xshell破解-限制窗口
- 西安邮电大学卓越班c语言面试题,2016年西安邮电大学数学艺术学院高级语言程序设计之C语言程序设计复试笔试最后押题五套卷...
- Archlinux + Gnome 安装教程
- 兔子数列python编程分析_九九乘法,兔子数列,杨辉三角|用Python生成器的妙解...
- 当对象的引用计数为零时
- SAP学习笔记(MM的基本流程)