报错之前是双cuda:cuda10.2andcuda11.1于是卸载了cuda10.2 但是报错undefined reference to `cublasLtMatmul@libcublasLt.so.10'

这个错误可能是因为您的代码中使用了cublasLtMatmul函数，但是链接器无法找到该函数的定义。您可以尝试重新安装CUDA 10.2并确保正确配置了环境变量，或者尝试使用其他版本的CUDA。另外，您还可以检查您的代码是否正确引用了cublas库。

相关问题

undefined reference to `cublasLtMatmul@libcublasLt.so.10'

这个错误通常是由于缺少链接库或链接库版本不匹配导致的。您可以尝试检查您的链接库是否正确安装，并且版本是否与您的代码兼容。如果您使用的是 CUDA，您还可以尝试更新您的 CUDA 版本。如果问题仍然存在，您可以尝试在编译时添加链接库参数，例如：-lcublasLt。

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 20.00 MiB. GPU怎么增加内存来解决报错

当您在使用CUDA时，可能会遇到"torch.cuda.OutOfMemoryError"这个错误，这意味着您的GPU内存不足以处理所需的任务。解决此问题的一种方法是增加GPU内存。有两种方法可以增加GPU内存，一种是更换更大的显卡，另一种是使用PyTorch提供的torch.cuda.empty_cache()函数释放GPU缓存中的空间。

以下是使用torch.cuda.empty_cache()函数的示例代码：

import torch

# 定义模型和数据
model = MyModel()
data = MyData()

# 将模型和数据移动到GPU
device = torch.device("cuda")
model.to(device)
data.to(device)

# 模型训练循环
for epoch in range(num_epochs):
    for batch in data:
        # 前向传播
        output = model(batch)

        # 反向传播
        loss = compute_loss(output, batch)
        loss.backward()

        # 更新模型参数
        optimizer.step()
        optimizer.zero_grad()

        # 释放GPU缓存中的空间
        torch.cuda.empty_cache()