PyTorch环境中使用CUDA出现的报错

类似的报错信息：AssertionError("Torch not compiled with CUDA enabled") AssertionError: Torch not compiled with CUDA enabled

出现“AssertionError: Torch not compiled with CUDA enabled”错误，表示PyTorch环境没有启用CUDA支持，而代码试图使用GPU进行计算。以下是可能的解决方案：

1. 确认是否需要CUDA支持

如果你的计算任务不需要使用GPU，可以修改代码，使其在CPU上运行。

修改方法： 在代码中，指定设备为CPU。一般在代码的初始化部分设置，如：

import torch device = torch.device("cpu")

# 之后在代码中，将所有的模型和数据移至CPU

# model.to(device)

# data.to(device)

2. 安装支持CUDA的PyTorch版本

如果需要使用GPU，那么需要安装支持CUDA的PyTorch版本。

步骤：

1. 卸载当前的PyTorch版本：

   pip uninstall torch torchvision torchaudio

2. 安装支持CUDA的PyTorch版本： 根据CUDA版本选择相应的PyTorch版本安装。例如，对于CUDA 11.3，使用以下命令：

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

   注意 cu113 表示CUDA 11.3版本，需要根据自己安装的CUDA版本进行调整。

3. 检查CUDA和驱动程序的安装

确保系统中正确安装了CUDA和对应的NVIDIA驱动。

检查方法：

• 检查CUDA版本：

  nvcc --version

  该命令会显示CUDA的版本信息。

• 检查NVIDIA驱动版本：

  nvidia-smi

  这将显示当前的驱动版本和已安装的CUDA版本。

安装CUDA：

• 如果未安装CUDA或版本不匹配，可以从NVIDIA官网下载并安装相应版本的CUDA Toolkit。

4. 确认环境变量配置

确保系统环境变量正确配置，以便PyTorch能找到CUDA。

检查LD_LIBRARY_PATH和PATH：

• 确保CUDA的库路径和二进制路径包含在环境变量中。
• export PATH=/usr/local/cuda-11.3/bin:$PATH                                                            

• export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH                            

• 这里的cuda-11.3需要与实际安装的CUDA版本匹配。

5. 确认使用的Python环境

如果使用的是虚拟环境或Anaconda环境，确保该环境下的所有依赖项都正确配置，且激活时能访问CUDA和PyTorch库。

总结

选择合适的解决方案取决于是否需要CUDA支持。如果需要，请确保CUDA和PyTorch版本兼容，并正确配置系统环境。如果不需要，可以简单地在代码中指定使用CPU。