> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-es/primeros-pasos/cuda-pytorch-compatibility.md). # Compatibilidad de CUDA y PyTorch Elige una compilación de CUDA que coincida con la tarjeta que alquilaste: la configuración que más despliegues de Clore.ai rompe por lejos {% hint style="danger" %} **Si alquilas una tarjeta RTX de la serie 50 y ejecutas una imagen de CUDA 12.4, nada funcionará.** Obtendrás `no hay ninguna imagen de kernel disponible para la ejecución en el dispositivo`. Blackwell necesita **CUDA 12.8 o más reciente** y **PyTorch 2.7 o más reciente**. Este es el despliegue fallido más común en Clore.ai, y se arregla con una sola línea. {% endhint %} Cada guía de esta colección incluye una imagen base. Si la cambias, o si instalas PyTorch tú mismo, la compilación de CUDA tiene que coincidir con la arquitectura de la GPU que alquilaste. Clore.ai es un mercado, no un clúster uniforme: la flota abarca desde tarjetas mineras Pascal de 2017 hasta tarjetas de estación de trabajo Blackwell de 2025, y ninguna imagen única cubre todas. ## La matriz | Arquitectura | Capacidad de cómputo. | Tarjetas en Clore.ai | Usa esto | | ------------- | --------------------- | ---------------------------------------------------- | -------------------------------------------------------------- | | **Blackwell** | sm\_120 | RTX 5090, 5080, 5070 Ti, 5070, 5060 Ti, RTX PRO 6000 | PyTorch **≥ 2.7** el **cu128** o **cu13x** | | **Ada** | sm\_89 | RTX 4090, 4080, 4070 Ti, 4060 Ti | PyTorch ≥ 2.1 en cu121 … cu13x (se recomienda cu128) | | **Ampere** | sm\_86 / sm\_80 | RTX 3090, 3080, 3070, 3060, A6000, A2000, CMP 90HX | PyTorch ≥ 1.13 en cu118 … cu13x (se recomienda cu128) | | **Turing** | sm\_75 | RTX 2080 Ti, GTX 1660, CMP 30HX/40HX/50HX | Cualquier cosa de cu118 … cu13x | | **Volta** | sm\_70 | Tesla V100 (SXM2 de 16 GB y 32 GB) | PyTorch **≤ 2.10** en cu128, o cualquier **cu126** compilación | | **Pascal** | sm\_61 | P104-100 y tarjetas mineras similares | PyTorch **≤ 2.7** el **cu124** o anterior | Dos obsolescencias pillan desprevenida a la gente: * **las compilaciones cu128 de PyTorch 2.8 eliminaron Maxwell y Pascal** (sm\_50, sm\_60). * **PyTorch 2.11 eliminó Volta de sus binarios cu128 y cu129** (cuDNN 9.15.1 no es compatible con Volta). Quienes alquilen una V100 deberían fijar `2.10.0-cuda12.8` o usar una compilación cu126. * **CUDA 13.0 empieza en Turing** (sm\_75). Cualquier `imagen cuda13x` excluye Volta y Pascal por construcción. ## Imágenes base que funcionan ```bash # Predeterminada para cualquier cosa desde Ampere hasta Blackwell — esto es lo que usan las guías pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel # herramientas de compilación, compiladores, nvcc pytorch/pytorch:2.11.0-cuda12.8-cudnn9-runtime # más pequeña, sin nvcc # Lo más nuevo, solo Turing y superiores (sin V100, sin Pascal) pytorch/pytorch:2.13.0-cuda13.2-cudnn9-devel # Tesla V100 (sm_70) pytorch/pytorch:2.10.0-cuda12.8-cudnn9-devel # Tarjetas mineras Pascal (sm_61) pytorch/pytorch:2.5.1-cuda12.4-cudnn9-devel ``` Instalar PyTorch en tu propia imagen: ```bash # Ampere / Ada / Blackwell pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128 # Volta (V100) pip install "torch<=2.10" torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126 ``` ## Comprueba lo que realmente alquilaste ```bash # Driver y la versión de CUDA que expone nvidia-smi # Capacidad de cómputo de la tarjeta, directamente desde torch python -c "import torch; print(torch.cuda.get_device_name(0), torch.cuda.get_device_capability(0))" # RTX 5090 -> (12, 0) RTX 4090 -> (8, 9) RTX 3090 -> (8, 6) V100 -> (7, 0) # Qué arquitecturas tienen realmente kernels para esta compilación python -c "import torch; print(torch.cuda.get_arch_list())" ``` Si `get_device_capability` devuelve `(12, 0)` y `get_arch_list()` no tiene `sm_120`, estás en la imagen equivocada. Nada de lo demás que cambies ayudará. {% hint style="info" %} **Filtra antes de alquilar.** El mercado expone la versión de CUDA de cada host. Aproximadamente **el 65% de las GPUs de Clore.ai están actualmente en un driver 13.x** y el 35% en 12.x, así que una `cu128` imagen es la opción predeterminada más segura: la compatibilidad de versiones menores de CUDA le permite ejecutarse en ambas. {% endhint %} ## Mensajes de error, descifrados | Lo que ves | Lo que significa | Solución | | ---------------------------------------------------------------------------------------------- | ------------------------------------------------------------------ | ------------------------------------------------------------------------------------------- | | `no hay ninguna imagen de kernel disponible para la ejecución en el dispositivo` | La compilación no tiene kernels para la arquitectura de tu tarjeta | Haz coincidir la imagen con la matriz de arriba | | `Error de CUDA: no hay imagen de kernel ... sm_120` | Tarjeta Blackwell, compilación pre-2.7 o cu124 | Pásate a `cu128` + PyTorch ≥ 2.7 | | `La versión del driver de CUDA es insuficiente para la versión en tiempo de ejecución de CUDA` | La imagen necesita un driver más nuevo que el que tiene el host | Elige una imagen CUDA más baja, o alquila un host con un driver más nuevo | | `torch.cuda.is_available() == False` | El contenedor se inició sin acceso a la GPU | Vuelve a desplegar; asegúrate de que el pedido realmente adjuntó una GPU | | `símbolo indefinido: __cudaPopCallConfiguration` | Versiones de CUDA mezcladas en un entorno | Reconstruye a partir de una sola imagen base limpia; no `instalar con pip` un segundo torch | | Funciona en la 4090, falla en la 5090 | Brecha clásica de arquitectura | La imagen es de la era Ada; pásate a cu128 | ## Flash Attention y similares Las extensiones compiladas llevan la misma restricción que PyTorch, y normalmente van una versión por detrás: ```bash # Compílalo contra el torch que ya tienes, no contra uno nuevo pip install flash-attn --no-build-isolation # vLLM y SGLang incluyen sus propias compilaciones de CUDA — usa sus imágenes en lugar de # instalarlos en una imagen de PyTorch, o terminarás con dos torch docker pull vllm/vllm-openai:latest docker pull lmsysorg/sglang:latest ``` `vllm/vllm-openai:latest` y `lmsysorg/sglang:latest` ambos incluyen kernels para Blackwell. Si fijas una etiqueta más antigua por reproducibilidad, comprueba que sea posterior a la serie RTX 50; de lo contrario, heredas exactamente el problema del que trata esta página. ## Siguientes pasos * [Catálogo de imágenes Docker](/guides/guides_v2-es/primeros-pasos/docker-images.md) — imágenes listas para desplegar por carga de trabajo * [Comparación de GPU](/guides/guides_v2-es/primeros-pasos/gpu-comparison.md) — qué tarjeta para qué modelo * [Precios de GPU](/guides/guides_v2-es/primeros-pasos/pricing.md) — rangos en vivo del mercado * [Solución de problemas](/guides/guides_v2-es/primeros-pasos/clore-troubleshooting.md) — el resto de los modos de fallo ### Enlaces * [versiones anteriores de PyTorch y compilaciones de CUDA](https://pytorch.org/get-started/previous-versions/) * [pytorch/pytorch en Docker Hub](https://hub.docker.com/r/pytorch/pytorch/tags) * [capacidades de cómputo de GPU de CUDA](https://developer.nvidia.com/cuda-gpus) * **Alquila una GPU:** [RTX 5090 32GB](https://clore.ai/rent-5090.html) · [RTX 4090 24GB](https://clore.ai/rent-4090.html) · [Marketplace](https://clore.ai/marketplace) --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-es/primeros-pasos/cuda-pytorch-compatibility.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.