You need to enable JavaScript to run this app. Docker容器Jupyter运行Detectron2训练报CUDA no kernel image错误如何解决
优惠活动
大模型
产品
解决方案
定价
更多

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:
    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
    
    验证通过后再重新执行训练代码即可。

内容的提问来源于stack exchange,提问作者yessss

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.17 18:06:04