Docker容器Jupyter运行Detectron2训练报CUDA no kernel image错误如何解决
错误原因
该错误本质是PyTorch、CUDA版本与显卡架构不兼容:
- 你使用的GeForce RTX 3070属于安培架构(计算能力sm_86),NVIDIA从CUDA 11.0版本才开始加入对安培架构的官方支持
- 当前环境的PyTorch 1.5基于CUDA 10.1编译,该版本CUDA没有包含适配sm_86架构的kernel镜像,因此运行CUDA算子时找不到可执行的内核文件,抛出对应错误。
解决步骤
- 第一步:更换适配30系显卡的PyTorch与CUDA组合
你的宿主机NVIDIA驱动版本为460.73.01,可支持最高CUDA 11.2版本,推荐选择兼容组合:例如PyTorch 1.9.0 + CUDA 11.1,或更高版本的PyTorch(如2.x)搭配对应CUDA 11.x版本,保证PyTorch编译使用的CUDA版本与容器内CUDA runtime版本一致。安装对应版本PyTorch时可直接使用官方预编译包,避免自行编译的适配问题。 - 第二步:重新编译Detectron2
Detectron2的编译结果强依赖当前环境的PyTorch、CUDA版本,更换基础环境后必须卸载原有Detectron2,重新从官方源码编译安装,避免残留旧版本编译文件导致的兼容性问题。 - 第三步:验证环境可用性
安装完成后执行以下代码验证CUDA适配正常:
验证通过后再重新执行训练代码即可。import torch print(torch.cuda.is_available()) # 输出True则CUDA可用 print(torch.zeros(1, device='cuda')) # 正常输出tensor([0.], device='cuda:0')无报错,则说明PyTorch与CUDA适配正常
内容的提问来源于stack exchange,提问作者yessss
相关产品推荐
相关产品推荐

