### 1. 理解 `AssertionError` 的含义 在 Python 中，`AssertionError` 是一种异常类型，通常用于调试代码时验证某些条件是否为真。如果断言的条件为假，则会抛出该异常。这种错误通常不是由用户输入或外部环境引起的，而是由于程序逻辑问题导致的。 当在 PyCharm 中运行代码时遇到 `AssertionError: Torch not compiled with CUDA enabled`，这表明 PyTorch 没有正确启用 CUDA 支持[^2]。此错误可能源于以下原因之一： - 安装的 PyTorch 版本未启用 CUDA。 - CUDA 驱动程序或 toolkit 未正确安装。 - GPU 设备不可用或未被检测到。 --- ### 2. 解决方案 #### 方法一：检查并重新安装支持 CUDA 的 PyTorch 确保安装了支持 CUDA 的 PyTorch 版本。可以通过以下命令安装： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` 上述命令适用于 CUDA 11.8 版本。如果使用其他版本的 CUDA，请根据系统配置调整安装命令[^4]。 #### 方法二：验证 CUDA 是否正确安装 运行以下代码以检查 CUDA 是否可用： ```python import torch print("CUDA Available:", torch.cuda.is_available()) print("CUDA Version:", torch.version.cuda) print("PyTorch Version:", torch.__version__) ``` 如果 `torch.cuda.is_available()` 返回 `False`，则需要检查以下内容： - 系统是否安装了正确的 NVIDIA 驱动程序。 - CUDA toolkit 是否与 PyTorch 版本兼容。 #### 方法三：检查虚拟环境配置 如果使用 Conda 或虚拟环境，请确保激活正确的环境。在 PowerShell 或终端中运行以下命令激活环境： ```powershell conda activate your_env_name ``` 如果激活命令报错，可以参考以下方法解决： - 确保 `your_env_name` 存在且路径正确。 - 使用绝对路径激活环境，例如： ```powershell Invoke-Expression -Command "C:\path\to\your_env_name\Scripts\activate" ``` #### 方法四：验证 GPU 是否被检测到 运行以下代码以确认 GPU 是否被正确检测： ```python import torch if torch.cuda.device_count() > 0: print(f"Detected {torch.cuda.device_count()} GPU(s).") for i in range(torch.cuda.device_count()): print(f"GPU {i}: {torch.cuda.get_device_name(i)}") else: print("No GPU detected.") ``` 如果没有检测到 GPU，请检查以下内容： - 是否安装了 NVIDIA 显卡驱动。 - 是否启用了 GPU 的计算功能（如独显直通）。 #### 方法五：检查 OpenCC 相关问题 如果问题与 OpenCC 包相关，可以参考以下步骤： - 打开 `init.py` 文件，将 `_libopenccfile` 和 `_opencc_share_dir` 中的路径替换为实际安装路径[^3]。 - 使用 PyInstaller 打包时，确保所有依赖文件路径正确。 --- ### 3. 注意事项 - 在 PyCharm 中运行代码时，确保选择正确的解释器（Interpreter），并且该解释器已安装支持 CUDA 的 PyTorch。 - 如果仍无法解决问题，可以尝试卸载并重新安装 PyTorch，同时确保系统环境变量中包含 CUDA 路径。 --- ### 4. 示例代码 以下是一个简单的示例，验证 PyTorch 是否正确启用 CUDA： ```python import torch def check_cuda(): if torch.cuda.is_available(): print("CUDA is available!") device = torch.device("cuda") print(f"Using device: {device}") print(f"CUDA version: {torch.version.cuda}") else: print("CUDA is NOT available!") check_cuda() ``` --- ###