CUDA/caffe ERROR:cudaGetDeviceCount returned 30/35,Check failed: error == cudaSuccess (30/35 vs. 0)

解决方法

在双显卡系统中,cuda运行时NVIDAI显卡必须是当前使用的显卡,否则无法获取GPU设备,cudaGetDeviceCount函数会报错,错误码35。 使用nvidia-prime切换到N卡时,如果只是按照提示logout,再重新login是不行的,必须重启系统,否则会报错,错误码30。 caffe的问题也是同样的道理,因为caffe也要调用cuda的cudaGetDeviceCount函数获取GPU设备。

问题解决过程

环境:ubuntu16+nvidia-378 driver+cuda8.0+cudnn5.1+GTX965M显卡 成功安装cuda 8.0,也正常编译了Caffe以后,执行mnist训练程序来测试一下,然鹅报错了:

$ ./build/tools/caffe train –solver=examples/mnist/lenet_solver.prototxt I0312 22:15:25.125078 2171 caffe.cpp:217] Using GPUs 0 I0312 22:15:25.126852 2171 caffe.cpp:222] GPU 0: 0 cg� F0312 22:15:25.127008 2171 common.cpp:151] Check failed: error == cudaSuccess (35 vs. 0) CUDA driver version is insufficient for CUDA runtime version * Check failure stack trace: * @ 0x7f1bb831c5cd google::LogMessage::Fail() @ 0x7f1bb831e433 google::LogMessage::SendToLog() @ 0x7f1bb831c15b google::LogMessage::Flush() @ 0x7f1bb831ee1e google::LogMessageFatal::~LogMessageFatal() @ 0x7f1bb8882192 caffe::Caffe::SetDevice() @ 0x40c950 train() @ 0x4088e8 main @ 0x7f1bb6a51830 __libc_start_main @ 0x4091b9 _start @ (nil) (unknown) 已放弃 (核心已转储)

显然是cuda的问题,于是执行cuda samples程序中的deviceQuery,果然也是报错,,错误码35:

$ ./NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release/deviceQuery ./NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release/deviceQuery Starting… CUDA Device Query (Runtime API) version (CUDART static linking) cudaGetDeviceCount returned 35 -> CUDA driver version is insufficient for CUDA runtime version Result = FAIL

笔记本电脑是双显卡(i7 cpu有集成显卡),猜测应该是NVIDIA显卡没启用,执行nvidia-setting,在PRIME profile中果然显示当前使用的是Intel 集成显卡,于是切换到nvidia显卡。

PRIME切换到nvidia显卡时提示要logout才能生效,于是登出再重新登录,再执行上面的mnist训练,还是报错,执行deviceQuery也报错,不过这次错误不一样了,错误代码30。

$ ./build/tools/caffe train –solver=examples/mnist/lenet_solver.prototxt I0312 22:17:46.619762 3469 caffe.cpp:217] Using GPUs 0 I0312 22:17:46.639750 3469 caffe.cpp:222] GPU 0:  1(� F0312 22:17:46.639799 3469 common.cpp:151] Check failed: error == cudaSuccess (30 vs. 0) unknown error * Check failure stack trace: * @ 0x7fe1702315cd google::LogMessage::Fail() @ 0x7fe170233433 google::LogMessage::SendToLog() @ 0x7fe17023115b google::LogMessage::Flush() @ 0x7fe170233e1e google::LogMessageFatal::~LogMessageFatal() @ 0x7fe170797192 caffe::Caffe::SetDevice() @ 0x40c950 train() @ 0x4088e8 main @ 0x7fe16e966830 __libc_start_main @ 0x4091b9 _start @ (nil) (unknown) 已放弃 (核心已转储) $ ./NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release/deviceQuery ./NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release/deviceQuery Starting… CUDA Device Query (Runtime API) version (CUDART static linking) cudaGetDeviceCount returned 30 -> unknown error Result = FAIL

要想到切换显卡时没有重启系统,是不是这个原因生成的呢?于是sudo reboot重启电脑,再次进入,执行deviceQuery就正常了

再执行mnist训练也正常了。 尼玛这PRIME的提示妥妥的是坑爹嘛,你直接提示切换显卡要reboot不就成了嘛 ,logout显然不管用嘛。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏有困难要上,没有困难创造困难也要上!

Caffe使用openblas实现CPU模式使用多线程

42911
来自专栏从零开始的linux

docker overlay

环境说明 hostnameipclient1192.168.6.134client2192.168.6.135 [root@client1 ~]# cat /e...

3104
来自专栏C/C++基础

CUDA编译器nvcc的用法用例与问题简答

本文使用nvcc版本:Cuda compilation tools, release 5.5, V5.5.0

562
来自专栏CreateAMind

GTX 1080+Ubuntu16.04+CUDA8.0+cuDNN5.0+TensorFlow

GTX 1080+Ubuntu16.04+CUDA8.0+cuDNN5.0+TensorFlow 安装指导

1062
来自专栏虚拟化云计算

NVIDIA显卡虚拟化vGPU终于支持KVM了

2018年5月14日,NVIDIA发布NVIDIA virtual GPU software 6.1 (390.57/391.58),正式增加了对RedHat ...

1162
来自专栏乐沙弥的世界

SUSE Linux 10 下重命名网卡名字

         前阵子碰到suse linux下网卡重命名的问题,是在虚拟机上安装RAC,通过复制虚拟机后需要完成的。与redhat linux,以及oral...

922
来自专栏Petrichor的专栏

深度学习: 深度学习框架 横向对比

[1] TensorFlow和Caffe、MXNet、Keras等其他深度学习框架的对比

792
来自专栏虚拟化云计算

KVM虚拟化与GPU计算的结合实践

我们知道CUDA是由NVIDIA推出的通用并行计算架构,使用该架构能够在GPU上进行复杂的并行计算。在有些场景下既需要使用虚拟机进行资源的隔离,又需要使用物理G...

3476
来自专栏10km的专栏

Ubuntu16:cmake生成Makefile编译caffe过程(OpenBLAS/CPU+GPU)塈解决nvcc warning:The 'compute_20', 'sm_20'

之前在ubuntu14下实现了Caffe编译(参见去年写的博客 《 Ubuntu14:cmake生成Makefile编译caffe过程(OpenBLAS/CPU...

3058
来自专栏bboysoul

linux服务器性能测试脚本serverreview-benchmark

欢迎关注Bboysoul的博客www.bboysoul.com Have Fun

763

扫码关注云+社区