虚拟环境中用Anaconda安装显卡CUDA驱动与CUDA运行版本匹配 | 您所在的位置:网站首页 › 虚拟机里显卡驱动显示低电量 › 虚拟环境中用Anaconda安装显卡CUDA驱动与CUDA运行版本匹配 |
问题:运行程序时报错 InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version,描述了显卡驱动与CUDA版本不匹配的问题。 目的:解决版本不匹配的问题。 参考:https://blog.csdn.net/weixin_36474809/article/details/87804903 目录 一、当前版本查看 1.1 查看CUDA驱动版本 1.2 查看base environment中CUDA运行版本 1.3 查看当前虚拟环境中CUDA版本 二、安装对应 2.1 安装 2.2 检验 name: GeForce GTX 1080 major: 6 minor: 1 memoryClockRate(GHz): 1.835 pciBusID: 0000:83:00.0 totalMemory: 7.92GiB freeMemory: 1.96GiB 2019-02-20 20:17:15.278289: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0, 1, 2, 3 Traceback (most recent call last): File "config.py", line 214, in args.func(args) File "config.py", line 147, in train dnnlib.submission.submit.submit_run(submit_config, **train_config) File "/home/xxr2019/NVlabs_noise2noise/dnnlib/submission/submit.py", line 296, in submit_run run_wrapper(submit_config) File "/home/xxr2019/NVlabs_noise2noise/dnnlib/submission/submit.py", line 249, in run_wrapper util.call_func_by_name(func_name=submit_config.run_func_name, submit_config=submit_config, **submit_config.run_func_kwargs) File "/home/xxr2019/NVlabs_noise2noise/dnnlib/util.py", line 232, in call_func_by_name return func_obj(*args, **kwargs) File "/home/xxr2019/NVlabs_noise2noise/train.py", line 76, in train tfutil.init_tf(config.tf_config) File "/home/xxr2019/NVlabs_noise2noise/dnnlib/tflib/tfutil.py", line 77, in init_tf create_session(config_dict, force_as_default=True) File "/home/xxr2019/NVlabs_noise2noise/dnnlib/tflib/tfutil.py", line 100, in create_session session = tf.Session(config=config) File "/home/jcx/.conda/envs/n2n/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 1551, in __init__ super(Session, self).__init__(target, graph, config=config) File "/home/jcx/.conda/envs/n2n/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 676, in __init__ self._session = tf_session.TF_NewSessionRef(self._graph._c_graph, opts) tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version 一、当前版本查看 1.1 查看CUDA驱动版本驱动版本即为cuda driver version 输入nvidia-smi,看到我们服务器上的为: NVIDIA-SMI 375.26 Driver Version: 375.26 输入cat /proc/driver/nvidia/version NVRM version: NVIDIA UNIX x86_64 Kernel Module 375.26 Thu Dec 8 18:36:43 PST 2016 GCC version: gcc version 4.8.4 (Ubuntu 4.8.4-2ubuntu1~14.04.3) 1.2 查看base environment中CUDA运行版本运行版本即为cuda runtime version,是在python中安装的cudatoolkit和cudnn程序包的版本 (n2n) jcx@smart-dsp:~/Desktop/xxr2019/NVlabs_noise2noise$ cat /usr/local/cuda/version.txt CUDA Version 8.0.61 (n2n) jcx@smart-dsp:~/Desktop/xxr2019/NVlabs_noise2noise$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 #define CUDNN_MAJOR 6 #define CUDNN_MINOR 0 #define CUDNN_PATCHLEVEL 21 -- #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL) #include "driver_types.h"从该图来看,基础环境之中对应关系是没有问题的。 1.3 查看当前虚拟环境中CUDA版本输入pip list即可看到相应的CUDA,但是在此指令之中,没有看到相应的CUDA版本,可能当前版本中CUDA未安装。 或者输入conda list,看到我们的版本为:我们版本为当前最新版本CUDA,因此需要更新驱动到最新版本。 cudatoolkit 9.2 0 cudnn 7.3.1 cuda9.2_0 二、安装对应 2.1 安装我们看出是CUDA版本过于新,驱动版本不够新,因此我们安装旧版本的CUDA运行版本, 安装cuda:conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/ Downloading and Extracting Packages cudatoolkit-8.0 | 322.4 MB | ####################################################################### | 100% Preparing transaction: done Verifying transaction: done Executing transaction: done安装cudnn:conda install cudnn=7.0.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/ Preparing transaction: done Verifying transaction: done Executing transaction: done 2.2 检验输入conda list,看到相应的版本变回与驱动对应的版本 cudatoolkit 8.0 3 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free cudnn 7.0.5 cuda8.0_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/ma 2.3 tensorflow版本安装一般情况下,版本变动也需要重新安装tensorflow。以免程序报错。 conda install tensorflow-gpu
相关Linux及环境配置 常用Linux指令汇总 Linux中显卡用户管理相关应用及命令行 macOS上运行python及配置相应环境 macOS上用PyCharm本地配置Anaconda环境 客户端配置Hadoop并运用SLURM GPU集群与HDFS文件系统 SSH相关windows PC用SSH连接Ubuntu14.04的配置与方法 macOS与CentOS之间互传文件(iTerm2与lrzsz) macOS系统用SSH链接CentOS服务器 环境配置相关在CentOS 6.3上配置PyTorch与gcc CentOS 6.3安装anaconda并配置pytorch与cuda Ubuntu14.04安装Anaconda3-2018.12-x86_64 运用Anaconda对python 3.6与tensorflow-gpu与pip环境配置 虚拟环境中用Anaconda安装显卡CUDA驱动与CUDA运行版本匹配 虚拟机上安装openCV macbook操作与快捷键个人查阅汇总 docker安装及环境容器上传
|
CopyRight 2018-2019 实验室设备网 版权所有 |