在GPU上运行程序时报错：RuntimeError: Unable to find a valid cuDNN algorithm to run convolution

在复现 VLM-R1 多模态模型并尝试迁移 GRPO 算法时，我遇到了一个典型的 PyTorch 报错：“GET was unable to find an engine to execute this computation”。本文深入分析了其成因，并分享了 cuDNN 环境配置的实用经验。

2.其实问题更加简单，是模型的训练的batch-size训练过大了，调整更小，就可以了。解决办法：安装对应的cudnn，以及cuda，找到对应的torch框架，进行安装。1.模型训练的环境中cudnn，CUDA的版本号不匹配。

由于虚拟环境都已经创建完成，目前是在Linux上进行安装，根据“链接2”中的安装代码，直接进行pytorch和cuda的安装。如果环境中已经装过其他版本的pytorch，应该能够自动卸载原版本，再装新的指定版本。经过验证，RTX3090安装上述版本的pytorch和cuda后，能够正常运行，不会报出上面的那个错误。2.其实问题更加简单，是模型的训练的batch-size训练过大了，调整更小，就可以了。解决办法：安装对应的cudnn，以及cuda，找到对应的torch框架，进行安装。

按照这个报错猜测可能是cuDNN出了问题，但转念一想我的cuDNN明明是配置好的呀，难道断电还能影响配置，显然是不可能的。在使用服务器跑实验的过程中，突然停电了，看到本地终端的控制台提示训练已终止，不由得心中一紧，在想难道近几日的成果要付之东流了吗？此时的程序并没有终止，依旧在运行，这种情况之前就发生过，断开连接后程序依旧运行一段时间，随后才会终止。不过好在为防万一给项目设置了断点训练，只需要重启实验即可。而当我重新设置好相关参数准备再次开始实验时，却报错了。不出所料，过一会后程序便终止了。

正常安装https://blog.csdn.net/x1131230123/article/details/121798776后遇到这个问题咋办？ 原因可能是你的显卡显存容不下你的设置，把batch-size改小即可： python train.py --batch-size 2 --data kevin_firesmoke.yaml --img 1280 --epochs 500 --weight /home/kevin_xie/yolov5_version6/weights/yolov5l6.pt --

我的程序需要6G的GPU空间，一开始我使用的是显卡0，显卡0还剩余4G左右的空间，显然不够我的程序需要，所以就出现了上面的错误，在我换到显卡3（显卡3还剩余10G左右）以后，程序就可以正常执行了。这个错误的原因是咱们的。