raise AssertionError(“Torch not compiled with CUDA enabled“)

1、运行代码可知，当前cuda不可用。

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

2、打开power shell or cmd，输入nvidia-smi命令，检查当前英伟达显卡信息。

可知当前驱动版本512.78，支持的cuda最高版本为11.6，而pytorch 2.0.0需要cuda11.7或11.8版本。

3、下载最新版本GeForce（非最新版本驱动会更新失败），安装，并在里面更新驱动：NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

当前驱动版本已更新至535.98，支持的cuda最高版本已经变为12.2。

4、接下来更新cuda

运行 nvcc -V 可知，当前cuda版本为 11.1。

5、下载 cuda11.8：CUDA Toolkit Archive | NVIDIA Developer

选择自定义安装

C盘资源紧张的话，可以换个非C盘的路径。（即使这样，安装后C盘也会占用5~6个G）

安装完之后在环境变量->系统变量->Path里面添加CUDA路径。

6、运行 nvcc -V 可知，当前cuda版本已更新为 11.8。

 7、接下来安装cudnn

下载cudnn：cuDNN Archive | NVIDIA Developer

下载前要先注册信息，不算特别麻烦，勾几个√就行。

在for CUDA 11.x 里面随便选一个版本，我选的是最新版本

 下载完成后，将压缩包解压，将 bin、include、lib 3个文件夹复制到cuda的安装目录v11.8下。

8、安装pytorch2.0

进入pytorch官网：PyTorch

conda create -n pytorch2.0 python==3.9
conda activate pytorch2.0
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

 为方便大家复制，这里分三段代码。（个人习惯把pytorch2.0的环境命名为pt2.0）

conda create -n pt2.0 python==3.9

conda activate pt2.0

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

我这里是在conda上创建的虚拟环境，不过还是用pip命令安装比较方便。

（想要自己下载的话，可以访问：https://download.pytorch.org/whl/torch/）

如果 pip 安装太慢，可用：

pip install -i https://mirrors.aliyun.com/pypi/simple/ 库名

9、检查 cuda 是否可用

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

终于成功啦！主要是下载、安装花时间，一步一步操作下来没什么技术难度，也没有遇到难搞的问题。

总结以下经验：cuda 切换版本以后，pytorch2.0 的环境要重新搭才行。因为我之前的pytorch2.0.1用不了，重新建conda虚拟环境安装 pytorch2.0.1 就可以用了。