AssertionError: Torch not compiled with CUDA enabled如何解决

这个错误通常是因为你的PyTorch没有安装CUDA或者CUDA版本不匹配导致的。你可以尝试以下几种方法解决这个问题：

1. 确认你的PyTorch版本是否支持CUDA，可以通过以下命令查看：

   import torch
   print(torch.version.cuda)

如果输出为空或者为None，则说明你的PyTorch没有安装CUDA。

2. 确认你的CUDA版本是否与PyTorch版本匹配，可以通过以下命令查看：

   nvcc --version

然后在PyTorch官网上查看对应版本的PyTorch支持的CUDA版本。

3. 如果你的CUDA版本与PyTorch版本匹配，但是仍然出现这个错误，可以尝试重新安装PyTorch并指定CUDA版本，例如：

   pip install torch==1.7.0+cu101 -f https://download.pytorch.org/whl/cu101/torch_stable.html

其中cu101表示CUDA 10.1版本，你可以根据自己的CUDA版本选择对应的版本号。

相关问题

torch报错AssertionError: Torch not compiled with CUDA enabled解决方法

当出现AssertionError: Torch not compiled with CUDA enabled错误时，需要安装CUDA和cuDNN并配置环境变量。具体步骤如下：

1.检查CUDA是否已安装，可以在终端中输入nvcc --version查看CUDA版本。如果未安装CUDA，则需要前往官网下载对应版本的CUDA并进行安装。

2.下载cuDNN，需要先注册NVIDIA账号，然后前往cuDNN下载页面下载对应版本的cuDNN。

3.将cuDNN解压缩到CUDA的安装目录中，例如/usr/local/cuda-11.3/。

4.配置环境变量，将CUDA和cuDNN的路径添加到LD_LIBRARY_PATH中，例如：

export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:/usr/local/cuda-11.3/extras/CUPTI/lib64:$LD_LIBRARY_PATH

5.重新编译PyTorch，使用以下命令：

python setup.py install

6.检查PyTorch是否已启用CUDA，可以在Python中输入以下代码：

import torch
print(torch.cuda.is_available())

如果输出True，则表示PyTorch已启用CUDA。

AssertionError("Torch not compiled with CUDA enabled") AssertionError: Torch not compiled with CUDA enabled

这个错误通常是因为你的PyTorch没有启用CUDA，而你的代码中使用了CUDA相关的功能。要解决这个问题，你需要重新安装PyTorch并启用CUDA支持。你可以按照以下步骤操作：

1. 确认你的电脑上已经安装了NVIDIA显卡，并且已经安装了CUDA。

2. 打开Anaconda Prompt或者终端，创建一个新的虚拟环境（可选）。

3. 在终端中输入以下命令安装PyTorch：

   conda install pytorch torchvision torchaudio cudatoolkit=<your_cuda_version>

其中，`<your_cuda_version>`是你电脑上安装的CUDA版本号。如果你不知道你的CUDA版本号，可以在终端中输入以下命令查看：

   nvcc --version

4. 安装完成后，在Python代码中加入以下代码，以启用CUDA支持：

   import torch

   if torch.cuda.is_available():
       device = torch.device("cuda")          
       print('There are %d GPU(s) available.' % torch.cuda.device_count())
       print('We will use the GPU:', torch.cuda.get_device_name(0))
   else:
       print('No GPU available, using the CPU instead.')
       device = torch.device("cpu")

这段代码会检查你的电脑是否有可用的GPU，并输出GPU的数量和名称。

如果你想在代码中使用GPU，你需要将你的模型和数据移动到GPU上，例如：

   model.to(device)
   inputs = inputs.to(device)
   labels = labels.to(device)

这样就可以在代码中使用CUDA了。