仅使用 GPU 调用 `cublasSgemm(handle)` 时出现运行时错误：CUDA 错误：CUBLAS_STATUS_EXECUTION_FAILED

Question

我正在研究具有一维信号的 CNN。它与 CPU 设备配合得很好。但是，当我在 GPU 中训练模型时，出现了 CUDA 错误。我在调用

os.environ['CUDA_LAUNCH_BLOCKING'] = "1"

时得到

RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED

后设置了

cublasCreate(handle)

命令。执行此操作后，发生了

cublasSgemm

错误，而不是

cublasCreate

错误。 虽然nvidia文档怀疑硬件问题，但我可以用图像训练其他CNN，没有任何错误。下面是我在训练模型中加载数据和设置数据的代码。

    idx = np.arange(len(dataset))  # dataset & label shuffle in once
    np.random.shuffle(idx)

    dataset = dataset[idx]
    sdnn = np.array(sdnn)[idx.astype(int)]        

    train_data, val_data = dataset[:int(0.8 * len(dataset))], dataset[int(0.8 * len(dataset)):]
    train_label, val_label = sdnn[:int(0.8 * len(sdnn))], sdnn[int(0.8 * len(sdnn)):]
    train_set = DataLoader(dataset=train_data, batch_size=opt.batch_size, num_workers=opt.workers)

    for i, data in enumerate(train_set, 0):  # data.shape = [batch_size, 3000(len(signal)), 1(channel)] tensor

        x = data.transpose(1, 2)
        label = torch.Tensor(train_label[i * opt.batch_size:i * opt.batch_size + opt.batch_size])
        x = x.to(device, non_blocking=True)
        label = label.to(device, non_blocking=True) # [batch size]
        label = label.view([len(label), 1])
        optim.zero_grad()

        # Feature of signal extract
        y_predict = model(x) # [batch size, fc3 output] # Error occurred HERE
        loss = mse(y_predict, label)

以下是此代码的错误消息。

File C:/Users/Me/Desktop/Me/Study/Project/Analysis/Regression/main.py", line 217, in Processing
    y_predict = model(x) # [batch size, fc3 output]
  File "C:\Anaconda\envs\torch\lib\site-packages\torch\nn\modules\module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "C:\Users\ME\Desktop\ME\Study\Project\Analysis\Regression\cnn.py", line 104, in forward
    x = self.fc1(x)
  File "C:\Anaconda\envs\torch\lib\site-packages\torch\nn\modules\module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "C:\Anaconda\envs\torch\lib\site-packages\torch\nn\modules\linear.py", line 91, in forward
    return F.linear(input, self.weight, self.bias)
  File "C:\Anaconda\envs\torch\lib\site-packages\torch\nn\functional.py", line 1674, in linear
    ret = torch.addmm(bias, input, weight.t())
RuntimeError: CUDA error: CUBLAS_STATUS_EXECUTION_FAILED when calling `cublasSgemm( handle, opa, opb, m, n, k, &alpha, a, lda, b, ldb, &beta, c, ldc)`

我已经尝试解决这个错误数周了，但找不到解决方案。如果您发现这里有任何问题，请告诉我。

Answer 1

请注意，如果输入张量的尺寸与 nn.Linear 模块的尺寸不匹配，也可能会导致这种情况。

(ex. input.shape = (a, b) and nn.Linear(c, c, bias=False)

与 c 不匹配）。

Answer 2

通过部分关键词搜索，终于得到了类似的情况。 因为稳定性，我使用了CUDA 10.2版本。参考资料要求将 CUDA 工具包升级到更高版本 - 在我的例子中是 11.2 - 问题解决了！ 我已经处理过其他训练过程，但这一个只会导致错误。由于各种原因导致CUDA错误，可以通过更改版本来解决。

Answer 3

Loich说得对，我认为形状不匹配是引发此错误的主要原因。

我在训练图像识别模型时也遇到了这个错误，其中最终

Conv2d

的输出和第一个

Linear

层的输入的形状不一样。

如果这些都不起作用，那么最好的办法是在 CPU 上运行该进程的较小版本并重新创建错误。当在 CPU 而不是 CUDA 上运行它时，您将获得更有用的回溯，可以解决您的错误。

this答案（上面引用）中解释的一种补救措施是，在禁用gpu

的情况下，尝试通过在

cpu

上执行代码（不更改任何行）来重新创建类似的情况，它应该会给出更好且可以理解的错误。

P.S.：虽然最初的问题表明他们的代码在CPU上执行良好，但我已经为有类似错误的人发布了这个答案，而不是由于Cuda版本不匹配。

Answer 4

在这里放置另一个答案，为我解决了这个问题：

如果您使用接收超出预定义词汇范围的输入索引的

nn.Embedding

 实例，您将看到完全相同的错误消息。因此，如果您创建了 100 个单位的嵌入，并且输入索引 100（嵌入现在需要从 0-99 的输入！），您最终会出现此 CUDA 错误，该错误非常难以追踪到嵌入。

Answer 5

当我的张量太大时，我收到此错误：

A.size() ; B.size()
# this works
torch.matmul(A[:450, ...], B).size
# this doesn't
torch.matmul(A, B)

输出：

torch.Size([512, 256, 3, 3, 4])
torch.Size([4])
torch.Size([450, 256, 3, 3])

RuntimeError: CUDA error: CUBLAS_STATUS_INVALID_VALUE when calling 
`cublasSgemv(handle, op, m, n, &alpha, a, lda, x, incx, &beta, y, incy)`

所以，分割大张量为我解决了这个问题

Answer 6

当我使用基于

detectron2

 的模型在 4-GPU 机器中的单个 GPU 上运行相同的任务时，遇到了相同的错误：

第一个 GPU 工作正常（又名

cuda:0

），而其余的 GPU 在 170 个 epoch 后出现此错误。
我不想更改 cuda 版本或更新环境（一旦一切正常，事情就没那么简单了...），而且我也不想更改任何层（当它确实工作时没有意义）一个 GPU）。

所以我找到了另一个简单的解决方案，用于使用 1 个 GPU 运行，这不是第一个：在脚本参数之前使用

CUDA_VISIBLE_DEVICES=<gpu_number>

，如果你有 

--device

 参数，请将其设置为 0（因为 cuda 只会看到一个 GPU，你所说的那个）。

Answer 7

我从

GPU A100

 中的 CUDA 版本得到了这个错误结果。我终于通过将CUDA版本从10.2升级到11.7解决了这个问题。

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvid