一、故事背景

在学习pytorch中，

使用 cuda 报错 AssertionError: Torch not compiled with CUDA enabled

import torch

print(torch.cuda.is_available())  # 检查cuda是否可用，False
print(torch.version.cuda)  # 查看cuda版本，None
print(torch.backends.cudnn.is_available())  # 检查cudnn是否可用，False
print(torch.backends.cudnn.version())  # 查看cudnn版本，None

dev = torch.device('cuda') 
x = torch.tensor([1, 2, 3], device=dev) 
print(x) # 报错 AssertionError: Torch not compiled with CUDA enabled

根本原因：torch依赖版本是cpu的，不是cuda的

为什么之前安装的是cpu版本，因为安装时找不到gpu版本的，所以默认安装cpu版本的

想要获取指定版本的安装命令：https://pytorch.org/get-started/previous-versions/

二、查看电脑的cuda驱动版本

命令：nvidia-smi

所以需要下载 11.6 版本的

如果安装的版本不对，后面运行会报错：

CUDA driver version is insufficient for CUDA runtime version Result = FAIL

三、卸载之前的cuda程序

如果你之前安装了cuda或者自带安装了，需要卸载除了下面文件以外的文件

即，以上的不能卸载

我电脑默认是没有安装cuda的，即没有 NVIDIA GPU Computing Toolkit 文件夹

四、下载 cuda

下载地址：https://developer.nvidia.com/cuda-toolkit-archive

我选的是11.6.2

https://developer.nvidia.com/cuda-11-6-2-download-archive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_local

五、安装 cuda11.6

1、默认路径

2、点继续

3、点 自定义

4、取消部分

6、选择安装路径，默认

后面点【下一步】和【关闭】即可

五、安装 cuDNN

1、下载

下载地址：https://developer.nvidia.com/rdp/cudnn-archive

2、解压

3、将这3个文件夹 拷贝到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6

进行合并

六、重新安装PyTorch

1、运行之前代码，还是不行。

conda list 查看依赖

之前的 torch 是cpu版本的

2、重新安装

conda create -n pytorch1.13.1 python=3.8
conda activate pytorch1.13.1

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia

3、运行之前的demo，成功

import torch

print(torch.cuda.is_available())  # 检查cuda是否可用，True
print(torch.version.cuda)  # 查看cuda版本，11.6
print(torch.backends.cudnn.is_available())  # 检查cudnn是否可用，True
print(torch.backends.cudnn.version())  # 查看cudnn版本，8302

dev = torch.device('cuda')
x = torch.tensor([1, 2, 3], device=dev)
print(x) # tensor([1, 2, 3], device='cuda:0')

参考：https://blog.csdn.net/Dr_Cv/article/details/132826877

https://blog.csdn.net/virobotics/article/details/136322017