CUDA内核失败:设备上没有可供执行的内核映像，在Google Compute VM中运行PyTorch模型时出错

Question

我有一个PyTorch模型的docker镜像，当在运行在debian/特斯拉P4图形处理器/谷歌深度学习镜像上的谷歌计算引擎虚拟机中运行时，它会返回这个错误：

CUDA kernel failed : no kernel image is available for execution on the device

这发生在我的模型被调用的那一行。PyTorch模型包括自定义的c++扩展，我正在使用这个模型的https://github.com/daveredrum/Pointnet2.ScanNet

我的镜像在运行时安装这些

该映像在我的本地系统上运行良好。VM和我的系统都有以下版本：

Cuda编译工具10.1，V10.1.243

torch 1.4.0

torchvision 0.5.0

据我所知，主要的区别是GPU

本地：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 435.21       Driver Version: 435.21       CUDA Version: 10.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 960M    Off  | 00000000:01:00.0 Off |                  N/A |
| N/A   36C    P8    N/A /  N/A |    361MiB /  2004MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

虚拟机：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 418.87.01    Driver Version: 418.87.01    CUDA Version: 10.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla P4            Off  | 00000000:00:04.0 Off |                    0 |
| N/A   42C    P0    23W /  75W |      0MiB /  7611MiB |      3%      Default |

如果我通过ssh进入VM，torch.cuda.is_available()将返回true

因此，我怀疑这一定与扩展的编译有关

这是我的docker文件的相关部分：

ENV CUDA_HOME "/usr/local/cuda-10.1"
ENV PATH /usr/local/nvidia/bin:/usr/local/cuda-10.1/bin:${PATH}
ENV NVIDIA_VISIBLE_DEVICES all
ENV NVIDIA_DRIVER_CAPABILITIES compute,utility
ENV NVIDIA_REQUIRE_CUDA "cuda>=10.1 brand=tesla,driver>=384,driver<385 brand=tesla,driver>=396,driver<397 brand=tesla,driver>=410,driver<411 brand=tesla,driver>=418,driver<419"
ENV FORCE_CUDA=1

# CUDA 10.1-specific steps
RUN conda install -c open3d-admin open3d
RUN conda install -y -c pytorch \
    cudatoolkit=10.1 \
    "pytorch=1.4.0=py3.6_cuda10.1.243_cudnn7.6.3_0" \
    "torchvision=0.5.0=py36_cu101" \
 && conda clean -ya
RUN pip install -r requirements.txt
RUN pip install flask
RUN pip install plyfile
RUN pip install scipy


# Install OpenCV3 Python bindings
RUN sudo apt-get update && sudo apt-get install -y --no-install-recommends \
    libgtk2.0-0 \
    libcanberra-gtk-module \
    libgl1-mesa-glx \
 && sudo rm -rf /var/lib/apt/lists/*

RUN dir
RUN cd pointnet2 && python setup.py install
RUN cd ..

我已经在VM中的ssh中重新运行了这一行：

TORCH_CUDA_ARCH_LIST="6.0 6.1 7.0" python setup.py install

我认为它的安装目标是特斯拉P4的计算能力？

是否有其他设置或故障排除步骤可供我尝试？

直到几天前我才知道关于docker/VMs/pytorch扩展的任何东西，所以有点摸不着头脑。这也是我的第一篇stackoverflow帖子，如果我没有遵守一些礼节，很抱歉，请随时指出。

Answer 1

最后，我手动删除了包含setup.py的文件夹中除"src“之外的所有文件夹，从而解决了这个问题

然后重建docker镜像。

然后，在构建映像时，我运行了TORCH_CUDA_ARCH_LIST="6.1" python setup.py install，以便为虚拟机上的GPU安装针对正确计算能力的cuda扩展

它成功了！

我想只运行setup.py而不删除之前安装的文件夹并不能完全覆盖扩展