### 错误分析 `AssertionError: Torch not compiled with CUDA enabled` 的主要原因是 PyTorch 安装的版本未启用 CUDA 支持，或者当前系统的 CUDA 版本与已安装的 PyTorch 不兼容。此问题通常发生在尝试运行依赖于 GPU 加速的任务时。 --- ### 解决方案 #### 1. 验证系统中的 CUDA 和 cuDNN 是否正确配置 在解决问题之前，需确认本地是否已经正确安装并配置了 NVIDIA CUDA 工具包以及 cuDNN 库。可以通过以下命令验证： ```bash nvcc --version ``` 如果 `nvcc` 命令不可用，则说明 CUDA 尚未正确安装。此外，还需检查 cuDNN 文件是否存在指定路径下（如 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.x\bin`），并将该目录添加到环境变量中[^4]。 #### 2. 卸载现有 PyTorch 并重新安装支持 CUDA 的版本 通过 pip 或 conda 检查当前安装的 PyTorch 版本，并卸载它： ```bash pip uninstall torch torchvision torchaudio ``` 接着访问官方页面 [https://pytorch.org/get-started/locally/](https://pytorch.org/get-started/locally/) 获取适合您硬件和软件环境的具体安装指令。例如，在 Windows 上使用 Python 3.9 及 CUDA 11.7 的情况下，可以执行以下命令来安装带有 CUDA 支持的 PyTorch： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 ``` 上述 URL 中的 `cu117` 表示针对 CUDA 11.7 编译的 PyTorch 轮子文件；请依据实际需求调整为其他 CUDA 版本号 (e.g., `cu102`, `cu113`)。 #### 3. 测试新安装的 PyTorch 是否能够检测到 GPU 设备 完成重装之后，编写一段简单的脚本来测试设备可用性: ```python import torch print(f"CUDA Available: {torch.cuda.is_available()}") print(f"Current Device: {torch.cuda.current_device()}") print(f"Device Name: {torch.cuda.get_device_name(0)}") ``` 当以上代码输出均为 True 或者显示具体的显卡名称而非报错信息时，表明问题已被成功修复[^3]。 #### 4. 如果仍然存在问题，请考虑虚拟环境隔离开发工作区 有时全局环境下可能存在多个库冲突的情况，建议创建一个新的 Conda/Virtualenv 来单独管理依赖关系。比如利用 Miniconda 创建名为 pytorch_env 的全新环境： ```bash conda create -n pytorch_env python=3.9 conda activate pytorch_env ``` 随后按照前述方法在此独立空间里操作即可减少干扰因素的影响。 --- ### 总结 综上所述，“AssertionError: Torch not compiled with CUDA enabled”的根本在于使用的 PyTorch 是 CPU-only 类型或者是由于版本不一致引起的。因此需要根据实际情况选择合适的 PyTorch 发布版进行替换，并确保基础驱动程序及辅助工具链均处于良好状态才能彻底消除此类异常情况的发生。