一行代码解决PyTorch训练模型时突然出现的For debugging consider passing CUDA_LAUNCH_BLOCKING=1报错

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_gpu
torch.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_gpu
torch.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)

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
扎眼的阳光的头像扎眼的阳光普通用户
上一篇 2023年3月5日 下午12:02
下一篇 2023年3月5日 下午12:03

相关推荐