1.概述
最近在跑超分辨算法EDSR，中间经理了一些Bug和情况，浅浅记录一下，希望能给遇到相似问题的朋友们一些参考。在开头先说一下跑程序成功的配置：
- 系统：Ubuntu20.04
- 显卡情况：GeForce RTX 3090（驱动515.65.01），[CUDA11.0.2，cudnn8.0.5]后来发现没有这两项也可，非必要选项
- EDSR程序版本：1.2.0版本
- 虚拟环境：Pytorch1.7.0（对应CUDA11.0），cudatoolkit11.0.221 ，无cudnn
【注：按照文中的Pytorch1.2.0/1.1.0（CUDA10.0）是不可以运行的】
2.EDSR程序在不同系统下的运行
2.1.Windows系统下运行系统
由于作者官方说了在Windows下不保证可以跑通，所以在这里知识浅浅测试一下，记录如下：
2.1.1.配置pytorch1.7.1（CUDA11.0）
根据Ubuntu运行成功的经验，也安装该版本的pytorch，运行出现以下结果：
报错ImportError: cannot import name ‘_DataLoaderIter’，猜测是版本Pytorch更新之后部分函数更新导致
2.1.2.配置pytorch1.2.0（CUDA10.0）
由于pytorch1.1.0最高支持到CUDA10.0，所以只能安装该版本，运行后出现以下结果：
运行了好长时间后，若不带–save_results，可以运行成功，带–save_results，则运行不成功，报错EOFError: Ran out of input。
综上所述，windows下跑该程序会出现一些比较诡异的错误，后期有时间再去一探究竟（待更新）！
2.2.Ubuntu系统下报错
2.2.1.配置pytorch1.2.0（CUDA10.0）
Making model…（经过漫长的等待，电脑排出滚滚热浪后……）
RuntimeError: cuDNN error: CUDNN_STATUS_EXECUTION_FAILED
2.2.2.配置pytorch1.7.0（CUDA10.2）
warnings.warn(incompatible_device_warn.format(device_name, capability, " ".join(arch_list), device_name))
提示CUDA版本不匹配
2.2.3.配置pytorch1.7.0（CUDA11.0）
程序运行成功
2.2.4.配置pytorch1.8.0（CUDA11.1）
程序运行成功
可以初步下定结论，CUDA11.0及以上对应的pytorch版本才可以保证程序可以运行
2.2.5 新的尝试
上述操作都是在电脑没有安装CUDA的情况下运行的结果，后来我想“是不是因为系统没有安装低版本的CUDA，所以低版本CUDA对应的pytorch不能工作呢？”，于是我就进行了以下尝试：
Ubuntu20.04的编译环境为：gcc9.4.0，g++9.4.0。将gcc和g++的版本降至7.5.0，然后安装CUDA10.0（不带cudnn）
- 环境配置为pytorch1.2.0（CUDA10.0），报错RuntimeError: cuDNN error: CUDNN_STATUS_EXECUTION_FAILED
- 环境配置为pytorch1.7.0（CUDA10.1）， warnings.warn(incompatible_device_warn.format( device_name, capability, " ".join(arch_list), device_name))提示CUDA版本不匹配
- 环境配置为pytorch1.7.0（CUDA11.0）,运行成功
最终给出困扰我一开始跑程序的问题，RuntimeError: cuDNN error: CUDNN_STATUS_ EXECUTION_FAILED的问题确实是网上说的版本不匹配的问题，但是哪里不匹配网上几乎很少人说清楚，通过我的实验证明，原因可以归结为硬件系统算力支持的CUDA版本和pytorch对应的CUDA版本不对应。
综上所述，Ubuntu系统下跑程序不需要安装CUDA和cudnn，但是在配置环境时根据显卡的算力选择CUDA对应的pytorch版本（举例，3090显卡算力为8.0，只有CUDA11.0+支持该算力，在选择Pytorch版本的时候，需要选择选择CUDA11.0+对应的Pytorch，随后再和程序要求的版本尽量匹配！）
3.深度学习配置环境的心得
配置环境的一般步骤我在这里总结如下，朋友们有不同看法欢迎指出。
- 安装Pycharm编译器、Anaconda虚拟环境管理软件
- 根据显卡型号，更新至较新版本的驱动，同时查看显卡的算力并对应其支持的CUDA版本
在这里简单介绍一下Pytorch(CUDA)版本选择的问题
A.定义nvidia-smi显示的CUDA版本为CUDA Driver Version，定义Pytorch(CUDA)版本为CUDA Runtime Version
B.Pytorch(CUDA)版本的确定：CUDA Runtime Version≤CUDA Driver Version，且要与显卡硬件的算力匹配
- 根据待跑程序的需求，安装依赖库，一些小的依赖库无脑conda install/pip install即可，但是Pytorch的版本要根据步骤2中确定的显卡支持的CUDA版本以及程序中要求的版本合理确定，同时注意GPU/CPU版本
- 在pycharm中选择该虚拟环境，开始跑程序吧！
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
