支持的 SM 和 Gencode 变体. 以下是那一代支持的 sm 变体和样本卡。 我尝试为每个架构名称和 CUDA 版本提供具有代表性的 NVIDIA GPU 卡。 费米卡（CUDA 3.2 到 CUDA 8） 从 CUDA 9 弃用，从 CUDA 10 完全删除支持。 · SM20 或 SM_20、compute_30 – …

2021年11月3日 · “计算能力高于 8.6 的比8.0的有2倍以上 FP32 的计算能力 （单位：ops/cycle/SM）。 从8.0上编译出的二进制文件也可以在8.6上运行，但还是推荐在fp32类型上使用8.6的编译选项。

2020年10月27日 · When compiling with NVCC, the arch flag (‘ -arch ‘) specifies the name of the NVIDIA GPU architecture that the CUDA files will be compiled for. Gencodes (‘ -gencode ‘) allows for more PTX generations and can be repeated many times for different architectures. Here’s a list of NVIDIA architecture names, and which compute capabilities they have:

2024年3月9日 · 这个警告信息表明你当前安装的PyTorch版本不支持你的NVIDIA GeForce RTX 4080 GPU，因为它的CUDA架构是sm_89，而你的PyTorch只支持sm_37、sm_50、sm_60和sm_70。 为了使用GeForce RTX 4080 GPU，你需要安装一个支持 sm _ 89 架构的PyTorch版本。

2019年12月16日 · 以下是支持的 sm 变量和相对应的典型显卡型号. CUDA 7以上版本. Fermi (CUDA 3.2 一直到 CUDA 8) (deprecated from CUDA 9): SM20 or SM_20, compute_30 – 比较旧的显卡 GeForce 400, 500, 600, GT-630. Kepler (CUDA 5及以上): SM30 or SM_30, compute_30 – Kepler architecture (generic – Tesla K40/K80, GeForce 700, GT-730)

2024年1月24日 · 编译 CUDA 代码时，应始终只编译一个与最常用的 GPU 显卡相匹配的 “ -arch “标志。 这将加快运行速度，因为代码生成将在编译过程中进行。 如果只提及 “ -gencode “，却省略了 “ -arch “标志，那么 GPU 代码生成将在 JIT 编译器上由 CUDA 驱动程序完成。 如果想加快 CUDA 编译速度，就需要减少无关的 “ -gencode “标志。 不过，有时可能希望通过添加更全面的 “ -gencode “标记来获得更好的 CUDA 向后兼容性。 在继续之前，请先确定 GPU 和 安装的 …

2021年12月16日 · Below are the supported sm variations and sample cards from that generation. I’ve tried to supply representative NVIDIA GPU cards for each architecture name, and CUDA version. Deprecated from CUDA 9, support completely dropped from CUDA 10. GeForce 400, 500, 600, GT-630. Completely dropped from CUDA 10 onwards. Deprecated from CUDA 11.

2014年3月3日 · nvcc x.cu –gpu-architecture = compute_50 –gpu-code = compute_50，sm_50，sm_52 该命令为两个Kepler变体生成精确代码，以及在遇到下一代GPU时由JIT使用的PTX代码。 nvcc将其设备代码组织在fatbinaries中，这些代码能够保存相同GPU源代码 …

2022年11月13日 · SM30 or SM_30, compute_30 – Kepler architecture (generic – Tesla K40/K80, GeForce 700, GT-730) Adds support for unified memory programming; SM35 or SM_35, compute_35 – More specific Tesla K40 Adds support for dynamic parallelism. Shows no real benefit over SM30 in my experience. SM37 or SM_37, compute_37 – More specific Tesla K80

2021年9月28日 · 我的机器有两个GPU:一台特斯拉GTX650 (计算能力3.0)和一台GeForce K40c (计算能力3.5)。 我在这里检查了计算能力： https://developer.nvidia.com/cuda-gpus。 我的 nvidia-smi 命令提供了以下内容： nvidia-smi output (驱动版本: 470.57.02 & CUDA版本: 11.4) 而我的 nvcc -V 命令提供了以下内容： Copyright (c) 2005-2019 NVIDIA Corporation.