nvcc 致命：不支持的 GPU 架构“compute_20”

Question

在运行命令时make pycaffe，我遇到了以下错误：

NVCC src/caffe/solvers/adadelta_solver.cu nvcc fatal   : Unsupported
gpu architecture 'compute_20' Makefile:594: recipe for target
'.build_release/cuda/src/caffe/solvers/adadelta_solver.o' failed make:
*** [.build_release/cuda/src/caffe/solvers/adadelta_solver.o] Error 1

System Information
------------------

OS: ubuntu: 16.10

CUDA 8.0

cuDNN: 6.0 

CUDA_ARCH: CUDA_ARCH := 

         -gencode arch=compute_20,code=sm_20 \
        -gencode arch=compute_20,code=sm_21 \
        -gencode arch=compute_30,code=sm_30 \
        -gencode arch=compute_35,code=sm_35 \
        -gencode arch=compute_50,code=sm_50 \
        -gencode arch=compute_52,code=sm_52 \
        -gencode arch=compute_60,code=sm_60 \
        -gencode arch=compute_61,code=sm_61 \
        -gencode arch=compute_61,code=compute_61

谁能帮我？

Answer 1

至于我，我不得不注释掉-gencode arch=compute_20in Makefile.config：

CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
    -gencode arch=compute_35,code=sm_35 \
    -gencode arch=compute_50,code=sm_50

我停在50因为 CUDAdeviceQuery向我展示了Capability Major/Minor version number：

/usr/local/cuda/samples/bin/x86_64/linux/release/deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 960M"
  CUDA Driver Version / Runtime Version          9.0 / 9.0
  CUDA Capability Major/Minor version number:    5.0
  Total amount of global memory:                 4044 MBytes (4240965632 bytes)
  ( 5) Multiprocessors, (128) CUDA Cores/MP:     640 CUDA Cores
  GPU Max Clock rate:                            1176 MHz (1.18 GHz)
....

然后编译和测试进行得很顺利。

Answer 2

今天早上我也遇到了同样的问题。安装 CUDA 和 cuDNN 后，需要重新启动（按照此处的建议https://groups.google.com/forum/#!topic/caffe-users/WDOD3E04Avg），以便 CMake 正确检测到设置变量。因此，只需确保 CUDA 和 cuDNN 已正确安装并重新启动系统即可。如果仍然出现错误，则您的 GPU 可能只支持计算能力 2.0，所以我想您可以尝试支持它的 CUDA 8.0。您可以在这里检查您的 GPU：https ://developer.nvidia.com/cuda-gpus

我可以确认测试已在启用 CUDA 9.0 和 cuDNN 7.0.2 的 PC 上成功运行。重启后，GPU架构自动设置为sm_50。我有一个 GTX 750 Ti，根据文档，它支持 CUDA 5.0。所以现在配置看起来是正确的！这是测试命令：

make runtest

如果您在编译测试时遇到任何错误，您可以尝试：

make runtest clean

这个示例也对我有用，它比具有 8 个 CPU 核心的 OpenBLAS（450 秒）快 7 倍多（60 秒）！

./examples/mnist/train_lenet.sh