技术标签： CodesErrors linux python pytorch 深度学习
问题：在安装detectron2过程中，build报错，从原来的TITAN XP迁移到TITAN RTX, 通过查阅资料：detectron2和nvcc报错的描述，发现XP计算能力是7.0， RTX计算能力是7.5，而我使用的是CUDA9.0, 只支持最高7.0的算力，所以会出现7.5不支持的情况；
解决办法：在setup.py文件中，增加两行代码：
extra_compile_args["nvcc"] = ['--gpu-architecture=compute_70','--gpu-code=sm_70',]
最终成功安装。
目录 异常问题：nvcc fatal : Unsupported gpu architecture 'compute_86' 解决方案 （1）报错信息 （2）系统环境 （3）原因分析 （4）解决方案 异常问题：nvcc fatal : Unsupported gpu architecture ‘compute_86’ 解决方案 （1）报错信息 （2）系统环境 GPU： RT...
Debug：nvcc fatal: Unsupported gpu architecture 'compute_86' 问题描述1 编译knn_cuda时，报了个错： 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： 然后就可以正常编译了 问题描述2 ...
最近学习DSSD，从https://github.com/chengyangfu/caffe/tree/dssd下载源码后编译报错：Unsupported gpu architecture 'compute_20'，具体如下： 根据Makefile.config的注释： 我的环境是cuda9.0，所以把如下两行注释： 之后问题解决。...
记录一下最近跑TinaFace代码在原来服务器跑没有问题，新服务器跑遇到的错误 首先，按照官网步骤安装相关包： 本人环境： 显卡驱动版本： NVIDIA-SMI 460.73.01 Driver Version: 460.106.00 CUDA Version: 11.2 CUDA版本：nvcc -V： Cuda compilation tools, release 11.1, V11.1.74 ...
issue: Error when Building GPU docker image for caffe: Unsupported gpu architecture 'compute_60' reason: CUDA < 8.0 solution: In the Makefile.example, try commenting out the *_60 and *_61 li...
方法一：（https://blog.csdn.net/renhanchi/article/details/80493232） 参考其他博客： 我的cuda版本是9.0，估计就是版本问题，网上有人说把cuda降到8.0以下。这个方法真是扯淡～ 其实只要在编译的时候加一句话就好了 关键就是在最后指定使用Kepler make的结果：...
我的cuda版本是9.0，估计就是版本问题，网上有人说把cuda降到8.0以下。这个方法真是扯淡～ 其实只要在编译的时候加一句话就好了 关键就是在最后指定使用Kepler...
1、在官网下载opencv源码，解压后进入目录，执行（注意有个“.”，作为cmake的参数表示当前目录） 如果报后面make时报Unsupported gpu architecture ‘compute_11’ 错误 执行： 2、编译安装...
环境： 虚拟机：Ubuntu 18.04.5 LTS (GNU/Linux 5.4.0-108-generic x86_64) python：3.8.10 pytorch：1.7.1+cu110 cuda：11.0.221 问题： /usr/local/cuda/bin/nvcc -I/tmp/pip-req-build-ui3v4u82/svox2/csrc/include -I/tmp/pip...
Core vs Runtime libraries Core库是低级算法实现的集合，它被设计为嵌入到现有的项目和应用程序中： 它不分配任何内存（所有的内存分配/映射必须由调用者处理）。 它不执行任何类型的多线程（但向调用者提供有关工作负载如何拆分的信息）。 运行时库是Core库非常基本的封装，可用于快速原型，这是意味着它很基础： 它使用标准的malloc()分配图像和张量。 它使用非常简单的线程池...