Vous pouvez rencontrer un code d’erreur indiquant quelle erreur d’initialisation du pilote est cuda = 25. Il existe plusieurs façons de corriger ce problème, et nous le corrigerons sous peu.
J’ai le système 2, Geforce 8400 GS Absolute et Geforce GT 520. Mais lors de l’utilisation de cuda-gdb concernant le débogage, j’obtiens une erreur indiquant que l’initialisation du pilote Cuda a échoué. De plus, lorsque j’exécute un programme au moyen de cuda-gdb , cudaGetDeviceCount possède seulement 1 GPU. Je peux exécuter des programmes GPU si je n’utilise pas simplement cuda-gdb . Pouvez-vous m’aider avec mon site?
La prise en charge de CUDA est interrompue tout en évitant les avertissements. Ils vérifient la valeur d’erreur renvoyée par les appels Cuda au moment de l’exécution. Vous constaterez que celui qui fait référence aux tout premiers appels au runtime CUDA, très probablement cudaMalloc , ne fonctionne pas avec une erreur d'initialisation notoire. Aucune initialisation n’a été prise pour exécuter des appels d’API ou des noyaux CUDA, et maintenant vous vous demandez quelle est simplement cette erreur de processus et comment la corriger.
NVIDIA serait probablement plus informatif dans ses rapports de bogues. Une erreur d’initialisation indique généralement où la plupart des erreurs se sont produites lorsque l’environnement d’exécution CUDA a été déclaré avec ce pilote CUDA. L’un des problèmes les plus courants de cette erreur est que le pilote est vraiment plus ancien que la boîte à outils CUDA. Chaque version de la boîte à outils CUDA est construite avec un fichier autos. TotalFaites attention à la version du pilote équivalent. Seuls les pilotes avec exactement les mêmes et pour les numéros de version plus récents fonctionneront certainement avec cette boîte à outils CUDA spécifique. Installez le meilleur pilote et toutes les erreurs devraient disparaître.
Si vous essayez d’exécuter le moteur de rendu GPU Dcoer, par exemple. Exemple : sudo nvidia-docker run -this can -p 8888: 8888 tensorflow / tensorflow: last-gpu
.
J’ai l’erreur suivante :
= difficulté à trouver. –pid = 8276 0 / var lib / docker / overlay2 / b956d7f169cca157457e107ee8c99a050c33199ded8f4fa4d68ie3ace] erreur : Erreur de l’opérateur : La demande n’a pas pu être préparée n “” ” : unknown.Error’>
Fortect est l'outil de réparation de PC le plus populaire et le plus efficace au monde. Des millions de personnes lui font confiance pour assurer le fonctionnement rapide, fluide et sans erreur de leurs systèmes. Avec son interface utilisateur simple et son puissant moteur d'analyse, Fortect détecte et corrige rapidement un large éventail de problèmes Windows, de l'instabilité du système et des problèmes de sécurité à la gestion de la mémoire et aux goulots d'étranglement des performances.
1. Téléchargez Fortect et installez-le sur votre ordinateur
2. Lancez le programme et cliquez sur "Scan"
3. Cliquez sur "Réparer" pour résoudre les problèmes détectés
docker : réponse du démon : échec du point de départ OCI run : container_linux.Starting go : 348 : processus de conteneur à "process_linux.go : 402 : appels d'initialisation de conteneur " process_linux.go: 385: l'alimentation avant d'exécuter catch 1 a causé "un échec lors de l'exécution d'un piège: sortie de l'url respecté 1, stdout:, stderr: commande exec: [/ usr versus bin / nvidia-container-cli - load- kmods --ldconfig = at / sbin / ldconfig configure .real --device égal à tout --compute --utility --require = cuda> = 8. --pid = 8276 8 / var pour chaque lib / docker / overlay2 / b956d7f169cca157457e107ee8c99a050c33199de8facec6fa4d68e3 identifiant du pilote : c n "" " : inconnu.
3. Informations (éventuellement à joindre si elles sont jugées inappropriées)
Version du noyau avec uname -a Linux de 4.4.0-122-numéro générique 146-Ubuntu SMP Lun Avr 15:34:04 23 UTC 2018 x86_64 x86_64 x86_64 GNU / Linux Utiliser Ubuntu 16.04
Toutes les lignes liées au traitement du noyau de dmesg
peut être utilisé[0.000000] e820 : changement 0x579b0018-0x579c9257] [mem utilisable ==> utilisable[0.000000] Allocation de mémoire physique étendue :[0.000000] Réserver setup_data : [mémoire utilisable[0x0000000000000000-0x0000000000057fff] 0.000000] Enregistrer setup_data : [mem0 x00000000000058000-0x0000000000058fff] réservé[null .000000] backup install_data: [mem 0x000000000000059000-0x00000000000085fff] peut être plus utilisé[0.000000] sauvegarde setup_data : [mem 0x00000000000086000-0x00000000000fffff] réservé[0.Reserve 000000] setup_data : [mem 0x0000000000100000-0x00000000579b0017] peut être utilisé[0.000000] secure install_data : [mem 0x00000000579b0018-0x00000000579c9257] peut être utilisé[0.000000] Réserver setup_data : [mémoire utilisable[0x00000000579c9258-0x00000000579ca017] 0.Reserve 000000] setup_data : [mem 0x00000000579ca018-0x00000000579da057] peut exister utilisé[0.000000] setup_data : le problème [mem 0x00000000579da058-0x0000000059042fff] peut être utilisé[0.000000] Données d’installation réservées : [mem 0x0000000059043000-0x0000000059043fff] ACPI NVS[0.000000] sauvegarde install_data : [mem 0x0000000059044000-0x000000005906dfff] réservé[0.000000] Acheter setup_data : [mem 0x000000005906e000-0x000000006f30dfff] peut être utilisé[0.000000] sauvegarde install_data : [mem0 x000000006f30e000-0x000000006fcfdfff] réservé[0 .000000] setup_data : Réservé [mem 0x000000006fcfe000-0x000000006ff7dfff] ACPI NVS[0.Reserve 000000] setup_data : [mem 0x000000006ff7e000-0x000000006fffdfff] Données ACPI[0.000000] Réserver setup_data : [mémoire utilisable[0x000000006fffe000-0x000000006ffffefff] 0.000000] Réserver setup_data : [mem Réservé[0x000000006ffff000-0x000000007b7fffff] 0.000000] setup_data : sûr [mem 0x00000000e0000000-0x00000000effffff]
