安装完pytorch后终端显示torch.device('CPU')的报错信息

安装完PyTorch后，如果在Python终端中看到`torch.device('CPU')`这样的错误提示，并不是真正的错误，而是在说明当前计算正在使用CPU资源。这个报错信息通常出现在没有显卡设备可用，或者你在代码中没有明确指定设备（如GPU），系统默认选择了CPU作为运算平台。

如果你确实想在GPU上运行计算并且有GPU硬件且已正确安装了CUDA和cuDNN，那么可能是因为以下几个原因导致的：

1. **环境变量未配置**：检查CUDA、cuDNN路径是否添加到了系统的PATH环境变量中，以及是否有正确的`torch.backends.cudnn.enabled`设置为True。

2. **缺少驱动**：确保你的GPU驱动是最新的，并且已经成功安装。

3. **版本兼容性**：确保你的PyTorch、CUDA和cuDNN之间的版本匹配，因为不兼容可能导致无法识别GPU。

4. **运行限制**：某些环境（如Google Colab）可能不允许直接访问本地GPU，需要额外设置。

解决这个问题的一般步骤是检查环境变量设置，更新驱动，然后确保代码中显式地将Tensor放置到GPU上，例如：

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

相关问题

如何检验成功安装了pytorch

要检验成功安装了PyTorch，可以按照以下步骤进行验证：

1. 打开终端，并切换到已安装PyTorch的环境下。
2. 输入以下代码来检查PyTorch的版本和CUDA是否可用：

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

如果能够正常输出版本号和CUDA的可用性，则说明PyTorch安装成功。\[1\]

另外，你还可以使用以下代码来进一步验证PyTorch在GPU和CPU上的运行情况：

在GPU上测试：

import torch
print(torch.cuda.current_device())  # 输出当前设备
print(torch.cuda.device(0))  # 输出设备对象
print(torch.cuda.device_count())  # 输出GPU数目
print(torch.cuda.get_device_name(0))  # 输出GPU名称
x = torch.rand(5, 3)
print(x)  # 输出一个5 x 3的张量

在CPU上测试：

import torch
x = torch.rand(5, 3)
print(x)  # 输出一个5 x 3的张量

如果以上代码能够正常运行并输出结果，则说明PyTorch在GPU和CPU上都能够正常工作。\[2\]

另外，你还可以通过输入以下命令来验证PyTorch是否安装成功：

python
import torch
torch.cuda.is_available()

如果没有报错，并且返回True，则说明PyTorch安装成功。\[3\]
#### 引用[.reference_title]
- *1* [检查PyTorch版本及GPU是否安装成功检测](https://blog.csdn.net/weixin_46569877/article/details/122089421)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [（Ubuntu/Window）pytorch验证（pytorch是否安装成功）](https://blog.csdn.net/Leomn_J/article/details/111758600)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [安装PyTorch详细过程](https://blog.csdn.net/MCYZSF/article/details/116525159)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]

MAC安装 stable diffusion 报错：Torch not compiled with CUDA enabled

### 解决 macOS 上 Stable Diffusion 安装时遇到的 PyTorch 未启用 CUDA 编译问题

对于在 Mac 设备上安装并配置 Stable Diffusion 遇到 `Torch not compiled with CUDA enabled` 错误的情况，主要原因是尝试使用了不支持的操作环境设置。由于大多数 Mac 计算机并不配备 NVIDIA GPU 或者其内置图形处理器无法被 CUDA 支持，因此默认情况下 PyTorch 不会带有对 CUDA 的支持。

为了使程序正常工作而不依赖于不存在的 CUDA 加速功能，可以采取如下措施：

#### 修改设备设定以仅利用 CPU 进行计算
通过调整代码中的设备选项来强制应用程序只使用中央处理单元 (CPU)，而非试图访问不可用的 CUDA/GPU 资源。具体操作方法如下所示：

import torch

device = torch.device('cpu')
s = torch.from_numpy(ndarray).long().to(device)

这段代码明确指定了要使用的设备为 'cpu'，从而绕过了任何关于 CUDA 可用性的检测和潜在错误[^1]。

#### 确认已正确安装适用于 Apple Silicon/MacBook Pro M系列芯片优化过的 PyTorch 版本
如果正在使用较新的基于 ARM 架构的苹果硅片（如M1或M2），则应确保下载的是专门为这些平台定制化的 PyTorch 发布版。官方提供了针对不同架构预构建好的二进制包，可以通过 pip 命令直接获取适合当前系统的版本。

例如，在终端执行以下命令可安装最新稳定版且适配Apple Silicon的PyTorch库：

pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cpu

注意这里的 URL 参数选择了 "cpu" 类型，这表明所安装的软件包不会包含任何形式的GPU加速特性[^3]。

#### 清理旧有残留 PyTorch 安装痕迹
有时先前存在的 PyTorch 安装可能会干扰新版本的功能表现，尤其是在多处存在多个副本的情况下。建议彻底清除之前可能留下的所有相关文件夹与目录，再重新启动整个安装流程。可以从 Python 环境中移除现有 PyTorch 库，并手动查找硬盘上的 `.site-packages/pytorch*` 文件夹予以删除[^2]。