AssertionError: Torch not compiled with CUDA enabled是什么问题

`AssertionError: Torch not compiled with CUDA enabled` 是一个常见的错误信息，它发生在尝试使用 PyTorch（一种基于 Python 的科学计算库，特别是用于深度学习）与 NVIDIA GPU 进行交互时，如果该版本的 PyTorch 没有编译以支持CUDA（Compute Unified Device Architecture），即GPU加速计算。

当你试图执行一些涉及GPU操作的代码，如矩阵运算或神经网络训练，但PyTorch没有找到可用的GPU，就会抛出这个错误。这可能是因为：

1. **安装问题**：你可能在没有选择GPU版本的情况下安装了PyTorch，或者使用的版本不支持CUDA。

   pip install torch torchvision --cuda

2. **环境配置**：如果你的系统上已经安装了CUDA，但在环境变量或配置文件中没有正确设置，PyTorch可能无法识别它。
- 检查CUDA路径是否添加到了PATH环境变量中。
- 检查torch.cuda.is_available()的结果，确认是否有GPU可用。

3. **硬件限制**：你的计算机可能没有GPU，或者GPU驱动程序有问题。

要解决这个问题，你需要确保你的PyTorch安装包含了对CUDA的支持，并且GPU设备在系统中是可以访问的。如果你的系统确实有GPU，确保它们已正确配置并能被PyTorch识别。

相关问题

AssertionError: Torch not compiled with CUDA enabled是什么原因

"AssertionError: Torch not compiled with CUDA enabled"错误是由于PyTorch没有使用CUDA编译导致的。CUDA是NVIDIA提供的并行计算平台和编程模型，用于加速深度学习模型的训练和推理。PyTorch可以通过CUDA来利用GPU的并行计算能力，从而提高模型的性能。

这个错误通常出现在以下几种情况下：
1. 没有正确安装CUDA驱动程序：在使用PyTorch之前，需要先安装适用于您的GPU的CUDA驱动程序。如果没有正确安装CUDA驱动程序，PyTorch将无法使用GPU进行计算，从而导致该错误。
2. 安装的PyTorch版本不支持CUDA：某些PyTorch版本可能没有与您的CUDA版本兼容的预编译版本。在这种情况下，您需要安装与您的CUDA版本兼容的PyTorch版本。
3. 没有正确设置CUDA环境变量：在使用PyTorch之前，需要设置CUDA环境变量，以便PyTorch能够找到正确的CUDA库和驱动程序。

解决这个错误的方法包括：
1. 确保正确安装了适用于您的GPU的CUDA驱动程序，并且驱动程序版本与您安装的PyTorch版本兼容。
2. 安装与您的CUDA版本兼容的PyTorch版本。您可以在PyTorch官方网站上找到适用于不同CUDA版本的预编译版本。
3. 设置正确的CUDA环境变量。您可以通过在命令行中设置`CUDA_HOME`和`PATH`环境变量来实现。

请注意，如果您的计算机没有GPU或者您不打算使用GPU进行计算，您可以安装不带CUDA支持的PyTorch版本，以避免出现这个错误。

linux报错AssertionError: Torch not compiled with CUDA enabled

### 解决Linux环境下PyTorch未启用CUDA编译导致的AssertionError

当遇到`assertionerror: torch not compiled with cuda enabled` 错误时，表明当前使用的PyTorch版本并未支持CUDA功能。为了修正这一问题并确保能够正常使用GPU加速计算，建议按照如下方法操作：

安装带有CUDA支持的PyTorch版本可以有效解决问题。对于特定版本如1.8.1而言，应当通过conda安装命令指定cuda版本来获取兼容包[^1]。

conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.1 -c pytorch

上述命令会下载适合于CUDA 11.1环境下的PyTorch及相关库文件。如果计算机上已存在不同版本的CUDA，则需调整`cudatoolkit=`后的参数以匹配本地配置。

另外，在完成新版本PyTorch安装之后，可以通过Python脚本验证CUDA是否可用：

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

此段代码将返回True表示成功启用了CUDA支持；反之则说明仍存在问题需要进一步排查。