一、问题描述
今天在调试模型的代码,然后代码一直运行得好好地,就突然出现了一下的错误:
RuntimeError: CUDA error: invalid device ordinal
CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect.
For debugging consider passing CUDA_LAUNCH_BLOCKING=1.
觉得十分诡异,前面运行的时候没出现这个Error,但是后面点击运行的时候就出现了,而且多次点击运行,都会报的这个错。
上面的错误大概就是说我的CUDA设备序号出错。例如,训练模型的机器上只有4张显卡,那么CUDA设备序号分别是0、1、2、3。当你在程序中使用4、5或者更加大的数字时,这个错误信息就会自动地报出来。
令我觉得诡异的地方是,在我运行模型的机器中,明明有4个可以使用的CUDA设备,也就是拥有4张显卡,而我不能使用1、2、3对应的CUDA设备,然后就报了上面的这个错误。所以我觉得十分奇怪。
二、解决方法
首先,我观察了我设置程序使用CUDA设备的代码:
os.environ['CUDA_VISIBLE_DEVICES'] = '%d' % m_gputorch.cuda.set_device(m_gpu)torch.cuda.is_available()torch.cuda.current_device()
其中上边的m_gpu是设置CUDA设备序号的变量。
然后我发现在设置CUDA设备序号时,如果调用了下面的代码,就不会出现上门的报错信息:
torch.cuda.device_count()
最终,设置CUDA设备序号的代码改为:
torch.cuda.device_count()os.environ['CUDA_VISIBLE_DEVICES'] = '%d' % m_gputorch.cuda.set_device(m_gpu)torch.cuda.is_available()torch.cuda.current_device()
这样就解决了我上面所遇到的问题。
三、设备信息
NVIDIA驱动:NVIDIA-SMI 515.65.01 Driver Version: 515.65.01 CUDA Version: 11.7
Python版本:Python 3.6.9
PyTorch版本:1.10.2
Linux系统:Ubuntu 18.04.6 LTS (GNU/Linux 4.15.0-041500-generic x86_64)
来源地址:https://blog.csdn.net/qq_36158230/article/details/128744250