ubuntu系统pytorch中cuda提示因为GPU太老而不再支持_pytorch no longer supports this gpu because it is

背景

ubutu系统，有两块GPU，一个是GPU算力3.5，一个是GPU算力3.0，之前下载安装过cuda，在/usr/local/下有cuda，且在cuda下有nvcc。
运行代码时出现错误：
PyTorch no longer supports this GPU because it is too old.
RuntimeError: CUDA error: no kernel image is available for execution on the device

问题1 nvcc -V 不显示cuda版本

安装好cuda以后，想看看是否安装成功，或者看看版本号，打开命令行窗口，输入nvcc -V，结果提示需要安装cuda。
如果你也和我背景一样的话，/usr/local/cuda/下有nvcc，那可能是没有把该命令路径添加到系统路径中，解决办法：
打开命令行窗口，输入以下三条命令：

export PATH="/usr/local/cuda/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"
source ~/.bashrc
1
2
3

此时再输入nvcc -V，应该就有反应了。记得上面的路径要和你自己的匹配，而且在命令行输入的时候一个字符都不能错，/符号也不能丢。（不要问我怎么知道的）

问题2 测试cuda能不能用

cuda 是用来在GPU上运行的，所以需要实际应用一下才能确保到底能不能用。
一般的测试：
安装cuda以后，用anaconda创建一个新环境，安装pytorch，在pytorch中测试。（安装pytorch版本也有问题，建议先看完本文，再实现安装）如果你安装好pytorch的话，进入你创建的环境，具体命令行语句如下：

一般出现True就说安装好了，可以用了。但实际不是这样，还需要实践一下代码，如下：

a = torch.ones((1,1))
a
a = a.cuda(0)
1
2
3

如果显示和我一样，那说明确实能用了，如果不行的话，那就需要重新装pytorch，下调pytorch的版本。

问题3 GPU用不了

从提示中我们可以看到这几个数字。其中3.0说的是你的GPU的算力，但是pytorch支持的GPU算力最少也是3.5，那我们改不了GPU只能改pytorch，所以需要重装pytorch试一下。
通过网上找答案，我看到了这个回答：
从pytorch1.3开始，不再支持GPU的算力在3.5及其以下的显卡
也就是说，pytorch1.3及以上版本不能用于GPU算力在3.5和3.5以下的。所以，从这个网站中看，我们只能先试pytorch 版本1.2，或者1.1，这种比较低的了，但我们也没有能力嫌弃人家。
安装低版本的pytorch需要对应修改其python版本，所以我们在创建环境的时候可以设定python版本，具体命令如下：
conda create --name py4 python=3.7
py4是我的环境的名字，可以改成自己的名字。然后在该环境内安装pytorch，具体安装命令可以到这个网站中找：https://pytorch.org/get-started/previous-versions/
这个时候你已经不需要顾及自己的cuda是哪个版本了，先装pytorch。

装完这个版本的pytorch，再试应该就可以了，如果你是GPU算力在3.5的话，但如果你是GPU算力3.0的话，pytorch 1.2也不行。需要安装更低版本的pytorch，但我们都知道，版本低了，有些功能就更容易出错了，所以1.2是我现在能接受的最低版本了，之后再看出问题的情况吧。
说实话，之前不知道算力这个概念，只知道要下调pytorch版本，然后就从1.10开始几个版本几个版本的调，结果最后还是查到了算力这个概念和1.2版本。但在调的过程中，我是用conda新建了好几个环境，然后不行的话再删掉，关于删掉环境的命令：
conda remove -n pytest2 --all
pytest2是我自己环境的名字。

问题4 有两个GPU

可能有人看到了我上面的GPU算力是3.0，但因为我有两张GPU，所以，其实一开始我是一张算力3.5，一张算力3.0的，我用重新安装的pytorch1.2解决了GPU3.5出现的警告，但还有3.0的错误，基于我不想再下调pytorch版本，我决定就用这一张GPU来运行代码，另一张不用。所以就需要代码中进行设置。先查看GPU的序号，其实这个图中有，但我们还可用命令行来输出一下，命令行窗口输入nvidia-smi，得到如下，

可以看到GPU编号及情况。这里和我上面提示的不一样，提示中GPU1是Quadro K40，用nvidia-smi得到是Quadro K40是0，这个应该就是个列表，列出GPU名单，应该不是序号， 我们按照提示来。所以现在是GPU0可以用，GPU1不能用，那在python代码文件中进行设置就行了，代码中如下：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
1
2

这样运行代码就都用的GPU0了，还有这个代码要在每个调用的python文件中都写上，应该就不出错了。

还可能报错的问题

问题：ImportError: cannot import name ‘PILLOW_VERSION’ from ‘PIL’
解决办法：https://blog.csdn.net/weixin_45021364/article/details/104600802
问题：GPU算力太低，和我一样是3.0或者更低的，有安装pytorch用source的方法，这里放个链接，
链接：https://blog.csdn.net/qq_44061014/article/details/122096039
可以再找找资料。

用到的命令

卸载pytorch重装：

conda uninstall pytorch
1

指定GPU来跑代码：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
1
2

conda 创建环境

#打开命令窗口快捷键
Ctrl+Alt+T
#进入conda
source activate
#创建环境
conda create --name 环境名 python = 版本号
#激活进入环境
conda activate 环境名
#退出环境
conda deactivate
#查看已安装环境
conda info --envs
#退出conda
source deactivate
`
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15