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。

相关问题

为什么报错AssertionError: Torch not compiled with CUDA enabled

这个错误是因为你的 PyTorch 没有启用 CUDA，也就是没有安装支持 CUDA 的 PyTorch 版本。要解决这个问题，你需要安装支持 CUDA 的 PyTorch 版本，并在代码中设置正确的 CUDA 设备。你可以使用以下命令安装支持 CUDA 的 PyTorch：

pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu111/torch_stable.html

其中，cu111 表示 CUDA 11.1 版本，如果你安装的是其他版本的 CUDA，可以根据实际情况替换。同时，在代码中，你需要设置正确的 CUDA 设备，例如：

import torch

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)

这样就可以把模型移动到正确的 CUDA 设备上运行了。

jupyter notebook报错AssertionError: Torch not compiled with CUDA enabled

当你在使用Jupyter Notebook时遇到"AssertionError: Torch not com with CUDA enabled"的错误，这通常是因为你的PyTorch库没有启用CUDA支持。

CUDA是NVIDIA提供的并行计算平台，它可以利用GPU的强大计算能力来加速深度学习任务。PyTorch是一个基于Torch的深度学习框架，它也支持CUDA加速。

要解决这个问题，你可以按照以下步骤进行操作：

1. 确保你的计算机上已经正确安装了NVIDIA显卡驱动和CUDA工具包。你可以在NVIDIA官方网站上下载并安装最新版本的驱动程序和CUDA工具包。

2. 确保你已经正确安装了PyTorch库。你可以使用以下命令来安装PyTorch：

   pip install torch

如果你想安装支持CUDA的PyTorch版本，可以使用以下命令：

   pip install torch==1.9.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html

这将安装PyTorch 1.9.0版本，并且支持CUDA 11.1。

3. 在Jupyter Notebook中，确保你选择了正确的内核。你可以在Jupyter Notebook的菜单栏中选择"Kernel" -> "Change Kernel"，然后选择一个与你安装的PyTorch版本相对应的内核。

如果你按照以上步骤操作后仍然遇到相同的错误，可能是因为你的计算机上没有可用的CUDA设备。在这种情况下，你可以尝试在没有CUDA支持的情况下使用CPU进行计算，或者考虑在具有CUDA支持的计算机上运行代码。

希望以上信息对你有帮助！如果你还有其他问题，请随时提问。