AssertionError: Torch not compiled with CUDA enabled什么意思

AssertionError: Torch not compiled with CUDA enabled这个错误通常是由于PyTorch库没有启用CUDA而导致的。CUDA是一种由NVIDIA开发的并行计算平台和编程模型，它可以大大加速深度学习模型的训练和推理速度。如果你的机器有NVIDIA显卡，那么启用CUDA可以使PyTorch库运行更快。

如果你遇到了这个错误，可能是因为你安装的PyTorch库版本没有启用CUDA。你需要重新安装启用了CUDA的PyTorch库，或者在代码中指定CPU运行模式。具体做法可以参考官方文档。

相关问题

AssertionError: Torch not compiled with CUDA enabled 是什么意思

### 解决方案

当遇到 `AssertionError: Torch not compiled with CUDA enabled` 错误时，这通常意味着当前使用的 PyTorch 版本并未启用 CUDA 支持。要解决此问题，可以采取以下措施：

#### 安装支持 CUDA 的 PyTorch 版本

确保安装的是带有 CUDA 加速功能的 PyTorch 而不是仅限 CPU 的版本。可以通过 pip 或 conda 来实现这一点。

对于 Python 环境中的 pip 用户来说，应该执行如下命令来获取最新稳定版的支持 NVIDIA GPU 的库：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

上述 URL 中的 "cu113" 表示适用于 CUDA 11.3 的构建；如果计算机上安装了不同版本的驱动程序，则需调整该字符串以匹配实际环境[^1]。

另外一种方式是利用 Anaconda 发行版来进行管理，它提供了更简便的方法去创建独立于其他项目的虚拟环境以及处理依赖关系。具体操作为启动 Anaconda Prompt 并输入下列指令之一：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

这里同样要注意指定合适的 cuda 工具包版本号以便兼容硬件配置[^2]。

#### 验证安装情况

完成新版本的部署之后，建议运行一段简单的测试代码片段验证是否一切正常工作。

import torch
print(f"CUDA Available: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    device = 'cuda'
else:
    device = 'cpu'

tensor_example = torch.tensor([1., 2., 3.], device=device)
print(tensor_example)

这段脚本会打印出设备信息（CPU 或者 GPU），并且尝试在一个张量对象上调用 `.to()` 方法将其移动到选定的位置上去显示出来。如果没有抛出异常说明已经解决了最初提到的那个断言失败的问题[^3]。

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。