ValueError: Unknown CUDA arch (8.6) or GPU not supported 解决RTX30 运行深度学习代码报错

安装完成CUDA10.2之后，在conda中新建一个虚拟环境，安装1.6的pytorch，CUDA版本太高的话安装不了太低版本的pytorch，所以需要安装10.2版本的CUDA。原作者训练的数据为完整的nuscences数据集，项目里面提供的pkl文件对应真个nuscences数据集，而对于个人学习来说，一般只能使用mini数据集。因为过高的pytorch版本编译不了mmdet3d,所以需要安装较低版本pytorch，在这里我安装的是1.6.0版本的。安装的过程中会有很多包的版本问题，慢慢安装就行。

GPU:3060 第一次尝试 基础环境：python3.7.11 cuda10.0 pytorch1.2 在运行脚本./scripts/aanet_predict.sh 会出现以下问题： 1 卡死半天。 2 半天之后出现以下文字： RuntimeError: CUDA error: no kernel image is available for execution on the device 第二次尝试 基础环境：python3.7.11 cuda10.0 pytorch1.4 在运行脚本./s

如 RTX 3060 的 Compute Capability 为 8.6，支持的 CUDA SDK 为 11.x。本人显卡为 RTX 3060，CUDA 为 10.2，PyTorch 为 1.5。很有可能不能解决问题，接着编译报错。

3080算力添加、ValueError: Unknown CUDA arch (8.6) or GPU not supported 解决RTX30 运行深度学习代码报错

在RTX4090上运行深度学习代码报错：ValueError: Unknown CUDA arch (8.9) or GPU not suppor。原因是cuda（我这里是cuda11.0，最高支持8.6）的版本不支持当前算力（8.9）

RTX30系列显卡与CUDA10版本不兼容 win10环境下配置detectron2时，运行到python setup.py build develop时，warning: Warning: GeForce RTX 3070 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_

针对kaolin nvidia安装时，出现 “valueerror: unknown cuda arch (8.6) or gpu not supported： 的解决方法

运行代码时报错：ValueError: Unknown CUDA arch (8.6) or GPU not supported。

这是由于PyTorch的C++扩展模块无法识别到GPU架构（即CUDA 8.6）。这是由于环境中torch.utils.cpp_extension为正确的支持GPU架构。

执行 echo $TORCH_CUDA_ARCH_LIST，发现CUDA架构版本包括。

print(torch.cuda.is_available()) # cuda是否可用。print(torch.version.cuda) # cuda版本。LD_LIBRARY_PATH该设置为什么。换了个更高版本的torch。

于是我在anaconda3/envs/byteTrack/lib/python3.8/site-packages/torch/utils/cpp_extension.py中大概1577行中supported_arches添加了“3.0”。（第二次碰到了，遇到就忘了怎么处理，得亏大佬指点。别使用1）的做法，直接运行命令中指定。结果：不报这个错，报别的错了。

参考compute capability的官方表格:https://developer.nvidia.com/cuda-gpus。原因是cuda（我这里是cuda10.1，改为支持7.5）的版本不支持当前算力（8.9）

DCNv2报错解决

bug修改

stylegan3: Setting up PyTorch plugin "bias_act_plugin"... Failed Setting up PyTorch plugin "upfirdn2d_plugin"... Failed

这个问题在配置Obbdetection环境的过程中卡了很久，主要是出现在运行了如下代码之后。在最后补上对应gpu的算力即可（我的4060ti的算力是8.9，于是有修改如下）

1 首先将nvcc -V的版本降低到11.3版本。2 按installer命令安装conda环境。2 不支持9.0+PTX，设置环境变量。1 查看当前的cuda 版本有那些。后续有问题我再重新记录。