torch._C._LinAlgError: cusolver error: CUSOLVER_STATUS_EXECUTION_FAILED, when calling `cusolverDnSge

将使用torch.linalg模块或torch.inverse语句中变量移到CPU，或者用更旧的pytorch版本例如 PyTorch (1.10.0+cu111)

网上找了一圈，也没找到答案，最后发现还是自己代码里有BUG，最后分类的时候对应的类别数目不一致

怀疑应该是pytorch版本与cuda版本不一致的问题。pytorch安装1.10.0+cu111。直接运行python代码，也会出错。配置环境后，运行代码提示错误。使用如下指令可解决问题。

这篇较为详细的记叙了关于一个bug但又不是很麻烦的bug的解决过程，有部分过程没有记录下来，因为感觉对整个理解过程有影响，所以就挑了主要的过程进行记录。

时间序列通过ADF 单位根平稳性检验时 出现 LinAlgError: SVD did not converge 错位提示时 主要是因为差分后没有 去除d阶差分中产生的 d个 nan值 解决办法 将差分后的数据 dropna 即可 ...

RuntimeError: CUDA error: CUBLAS_STATUS_EXECUTION_FAILED when calling `cublasSgemmStridedBatched( handle, opa, opb, m, n, k, &alpha, a, lda, stridea, b, ldb, strideb, &beta, c, ldc, stridec, num_batches)`

解决报错 cusolver error: CUSOLVER_STATUS_INTERNAL_ERROR

RuntimeError: CUDA error: CUBLAS_STATUS_EXECUTION_FAILED when calling `cublasSgemmStridedBatched( ha

solution2： 将svd步骤放到cpu上 √再将结果放回CUDA上进行深度模型的学习。我改了之后发现，问题得到了解决。solution1： 减小batchsize × 但是对我没效果。

list

RuntimeError: CUDA error: CUBLAS_STATUS_EXECUTION_FAILED when calling `cublasSgemm( handle, opa, opb, m, n, k, &alpha, a, lda, b, ldb, &beta, c, ldc)` 解决方案

解决RuntimeError: CUDA error: CUBLAS_STATUS_EXECUTION_FAILED when calling `cubla... 跑实验遇到了这个问题，一开始查资料发现有人说是因为维度可能不同，但是经过检查，不存在这个问题，另外也有解决方法是加一句代码torch.backends.cudnn.enabled = False，但是还没尝试，因为发现main.py文件和其他文件的CUDA device设置不同(数据不多，我没设置nn.parallel)，更改一致后就没有问题了。

RuntimeError: cusolver error: CUSOLVER_STATUS_INTERNAL_ERROR, when calling `cusolverDnCreate(handle)`

时，诸如:nusc_centerpoint_voxelnet_0075voxel_fix_bn_z_focal_multimodal.py，这个文件就是作者论文中提到的方法，要想运行此文件，则需要首先按照作者的要求下载他写好的spconv的版本扩展：spconv-plus-master，这个在作者github官网上能够找到，这个文件里面加入了他自己写的两个算子，所以自己创建了一个spocnv2.x的文件。也就是说，需要进到相应的cpp文件内，将所有的AT_CHECK进行替换，然后再次编译。

##RuntimeError: CUDA error: CUBLAS_STATUS_INTERNAL_ERROR when calling cublasCreate(handle) 最近在使用pytorch训练神经网络时出现了标题所示的错误，产生了很大的疑惑，因为在一个月前运行是不存在任何问题的，但是现在却出问题了，所以四处寻找各种解决方案，经过一整天的努力和尝试终于解决了这个问题。接下来把尝试过的方法分享给大家，其中最后一种方案是我适用的： 方法一 https://blog.csdn.net/xiaoxi

python如何使得list中的元素是ndarray 在一个代码实现时，会想要类似MATLAB一样，拥有一个struct类型的数组，数组中的每个cell都是一个ndarray。因为在某些维度上shape不同，所以不能整合为一个大的ndarray。 要实现上述需求，可以进行如下操作: targetList = [] targetList.append(ndarray) 这样即可获得由ndarray构成的list，可以进一步对list进行concatenate等操作再次整合。 ...

1、torch.solve 函数的期望输入有2个：右侧向量、系数矩阵；而 torch.linalg.solve 函数的期望输入也有2个：系数矩阵、右侧向量（顺序与torch.solve的输入相反）。 2、torch.solve和torch.linalg.solve在返回值上也有所不同。 torch.solve函数返回一个元组(solution, LU)，其中solution是解向量，LU是矩阵A的 LU 分解。LU 分解是一种将矩阵分解为下三角矩阵L和上三角矩阵U的方法。

python-numpy: linalg.solve中报错 Singular Matrix在解线性方程组的时候调用了形如： solution = np.linalg.solve(a, b) 然而在等待结果的时候，你只能看到如下的报错？Singular Matrix 的Error来自于系数矩阵的Det = 0