位置: IT常识 - 正文
玄学错误：RuntimeError: cuDNN error: CUDNN_STATUS_EXECUTION_FAILED 解决方案——cuDNN 卸载并重装(玄学2021)
编辑：rootadmin推荐整理分享玄学错误：RuntimeError: cuDNN error: CUDNN_STATUS_EXECUTION_FAILED 解决方案——cuDNN 卸载并重装(玄学2021)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:玄学2021,玄学警告,玄学合集,玄学失败,玄学解析,玄学合集,玄学解析,玄学警告,内容如对您有帮助，希望把文章链接给更多的朋友！
不得不说环境是一个非常玄学的东西，距离上次成功在 FB15k-237 数据集上跑 convE 模型没多久
ConvE，知识图谱嵌入（KGE）论文复现（Ubuntu 20.04）_Starprog_UESTC_Ax的博客-CSDN博客_conve 知识图谱ConvE(KGE模型)—论文复现（Ubuntu 20.04）(2022.03.07)https://angxiao.blog.csdn.net/article/details/123315377今天又在更换自己的数据集重跑 convE 模型，很神奇的报错：
RuntimeError: cuDNN error: CUDNN_STATUS_EXECUTION_FAILED在跑两次模型之间这段时间，我并没有动我的 GPU 环境，包括内核都用的之前的：
内核版本：5.13.0-35-generic
uname -a另外，用这个环境跑 OpenKE【这 个工具包不含convE 】 也都没问题
网上搜了这个错误，有的说是指定显卡号，大多说是 cuda 和 cuDNN 版本不匹配的问题，让安装对应版本的 cuDNN。由于我之前装的时候，cuda 和 cuDNN 版本是匹配的【是否匹配，在 cuDNN 官网 可查】，所以我将 cuDNN 卸载重装，最终成功，把今天排错解决过程放在下边，大家有需要可以参考
一、检查是否有可用的显卡输入 python 进入环境，运行命令：
import torchprint(torch.cuda.device_count()) #可用GPU数量如果 没有可用显卡 或 GPU 环境配置有误，就会输出 0，在模型运行中，就会报以下错误：
cuda runtime error (38) : no CUDA-capable device is detected我的莫名其妙重启解决了这个错误【也可以通过开机的高级选项，换个内核版本看看】，输出 0 这种情况每台机器不一样，详细原因可以百度对应解决，多说无益...
如果输出大于等于 2，前言部分所提错误可能是由于没有指定显卡号造成的，可以在模型代码前加入一行：
os.environ['CUDA_VISIBLE_DEVICES'] = '0'由于我的输出为 1，错误应该不在这一节
二、检查 cuda 版本 和 cuDNN 版本① 检查 cuda 版本
查询当前驱动支持的最高版本：
nvidia-smi查询目前安装的 cuda 版本：
nvcc -V也可以通过如下命令，看到更为详细的信息，包括与之 communicate 的驱动：
cat /usr/local/cuda/cuda.json
② 检查 cuDNN 版本
有 cudnn.h 文件但无输出，版本未知，理论上，我之前安装的 v 8.3.0，不会去傻乎乎动这个库的
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2三、卸载并重新安装 cuDNN① 卸载 cuDNN v 8.3.0
查找出现位置：
注意按照下图顺序卸载【含 2004 的那项那个不卸】：
② 安装 cuDNN v 8.3.0
重复内容，不再赘述，参考以下博文：
(15条消息) Ubuntu 20.04 系统（双系统环境下）中深度学习环境配置（Pytorch + GPU）_Starprog_UESTC_Ax的博客-CSDN博客_ubuntu子系统https://angxiao.blog.csdn.net/article/details/123196056不过在验证是否安装成功阶段，报了个小错：
AttributeError: module 'torch.jit' has no attribute 'unused'原因：torch 和 torchvision 版本不匹配
解决：
安装 torch 1.4.0 版本：
安装 torchvision 0.5.0 版本
再次验证，成功：
四、重跑模型 convEpython wrangle_KG.py BACUDA_VISIBLE_DEVICES=0 python main.py --model conve --data BA \ --input-drop 0.2 --hidden-drop 0.3 --feat-drop 0.2 \ --lr 0.003 --preprocess成功执行：
附录换源加速安装
如果下载速度很慢，在原来安装语句上添加 -i 和 如下任一镜像地址即可切换国内服务器：
阿里云 http://mirrors.aliyun.com/pypi/simple/中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/豆瓣(douban) http://pypi.douban.com/simple/清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/上一篇：共轭梯度法（Conjugate Gradients）（1）(共轭梯度法matlab代码)
下一篇：Android 10.0 framework中关于Activitity的生命周期的源码讲解
