E:\Anaconda3-2024.10-1\envs\yolov12\python.exe E:\PyCharm\project\YOLOV12\yolov12\yolov12-main\test.py Traceback (most recent call last): File "E:\PyCharm\project\YOLOV12\yolov12\yolov12-main\test.py", line 2, in <module> print(f"GPU计算能力: {torch.cuda.get_device_capability(0)}") ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "E:\Anaconda3-2024.10-1\envs\yolov12\Lib\site-packages\torch\cuda\__init__.py", line 560, in get_device_capability prop = get_device_properties(device) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "E:\Anaconda3-2024.10-1\envs\yolov12\Lib\site-packages\torch\cuda\__init__.py", line 576, in get_device_properties _lazy_init() # will define _get_device_properties ^^^^^^^^^^^^ File "E:\Anaconda3-2024.10-1\envs\yolov12\Lib\site-packages\torch\cuda\__init__.py", line 363, in _lazy_init raise AssertionError("Torch not compiled with CUDA enabled") AssertionError: Torch not compiled with CUDA enabled

<think>好的，我现在需要解决用户遇到的PyTorch AssertionError: Torch notcompiled withCUDAenabled错误，同时确保与NVIDIAGeForceRTX5060 GPU兼容的问题。根据用户提供的引用内容和之前的回答，我需要综合这些信息来找到解决方案。 首先，用户提到他们遇到了Torch未启用CUDA的错误，这可能是因为安装了CPU版本的PyTorch，而不是GPU版本。引用[1]指出这个问题，并建议检查安装的版本是否正确。另外，引用[3]提到CUDA版本不兼容可能导致类似错误，比如没有合适的内核镜像可用。用户之前的问题是关于PyTorch版本和RTX5060的兼容性，所以需要确保PyTorch版本支持该GPU的计算能力。接下来，我需要确认RTX5060的计算能力。根据之前的回答，RTX5060属于Ada Lovelace架构，计算能力是8.9。用户需要安装支持sm_89架构的PyTorch版本。而用户当前的PyTorch版本是2.7.0+cu126，可能需要检查该版本是否包含对sm_89的支持。然后，引用[2]提到驱动版本过旧的问题，用户需要确保NVIDIA驱动足够新。RTX5060可能需要较新的驱动版本才能正常工作，比如535.129.03或更高。此外，CUDA工具链版本也需要与PyTorch版本匹配，比如cu126对应CUDA12.6，这需要对应的驱动支持。 用户还提到之前通过重新安装PyTorch-nightly和调整版本解决了问题，如引用[4]所述。这可能意味着用户需要安装特定版本的PyTorch，尤其是支持CUDA12.x的版本，同时注意torchvision等依赖的版本兼容性。现在，我需要将这些信息整合成一个解决方案，分步骤指导用户检查驱动、安装正确的PyTorch版本、验证CUDA是否可用，并在必要时手动编译PyTorch。同时，确保用户正确设置环境变量以指定计算能力，避免兼容性问题。 可能的步骤包括：验证驱动版本，安装支持CUDA的PyTorch版本，检查CUDA是否启用，设置TORCH_CUDA_ARCH_LIST环境变量，以及处理可能的依赖冲突。此外，需要提醒用户关于虚拟环境的使用，以避免版本冲突。 最后，生成相关问题，帮助用户进一步排查可能遇到的问题，如驱动升级方法、虚拟环境使用、编译PyTorch的注意事项等。</think>### PyTorch CUDA 支持与 RTX 5060 兼容性解决方案 #### 1. **验证 PyTorch CUDA 安装状态** - **核心问题**： `AssertionError: Torch not compiled with CUDA enabled` 表明当前安装的 PyTorch 是 CPU 版本[^1]。需通过以下命令验证： ```python import torch print(torch.cuda.is_available()) # 输出应为 True print(torch.version.cuda) # 应显示 CUDA 版本（如 12.6） ``` 若输出为 `False`，需重新安装 GPU 版本的 PyTorch。 - **快速诊断**： 运行 `nvidia-smi` 确认驱动版本和 GPU 状态，若驱动版本过旧（如低于 $535.129.03$），需升级[^2]。 #### 2. **安装 GPU 版 PyTorch** - **RTX 5060 的适配要求**： - **计算能力**：$8.9$（对应 Ada Lovelace 架构） - **CUDA 版本**：需 ≥ $12.1$（推荐 $12.6$） - **驱动版本**：≥ $535.129.03$ - **安装命令**（适配 CUDA 12.6）： ```bash # 使用官方推荐命令安装 pip install torch==2.3.0+cu121 torchvision==0.18.0+cu121 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu121 ``` 若需最新版本，可替换为 `torch==2.7.0+cu126`（需确认支持 `sm_89`）。 - **关键验证**： 安装后运行以下代码： ```python import torch print(torch.cuda.get_device_capability(0)) # 应输出 (8,9) print(torch.cuda.get_arch_list()) # 列表中需包含 sm_89 ``` #### 3. **处理驱动与 CUDA 工具链兼容性** - **驱动升级步骤**： 1. 访问 [NVIDIA 驱动下载页](https://www.nvidia.com/Download/index.aspx) 选择 RTX 5060 适配的最新驱动 2. 卸载旧驱动： ```bash sudo apt purge nvidia-* ``` 3. 安装新驱动后重启系统 - **CUDA 工具链检查**： ```bash nvcc --version # 应显示 CUDA 12.6 nvidia-smi # 右上角显示的 CUDA 版本需与 PyTorch 的 CUDA 版本一致 ``` #### 4. **强制指定 GPU 计算能力** - **环境变量配置**： 若 PyTorch 未自动识别 `sm_89`，需在运行代码前设置： ```bash export TORCH_CUDA_ARCH_LIST="8.9" ``` 或在 Python 脚本中动态设置： ```python import os os.environ["TORCH_CUDA_ARCH_LIST"] = "8.9" ``` #### 5. **高级方案：源码编译 PyTorch** - **适用场景**： 官方预编译版本未包含 `sm_89` 支持时，需手动编译： ```bash git clone --recursive https://github.com/pytorch/pytorch cd pytorch export TORCH_CUDA_ARCH_LIST="8.9" python setup.py install ``` - **编译要求**： - CUDA Toolkit ≥ $12.6$ - `gcc` ≥ $11.3$ - 至少 50GB 磁盘空间 #### 6. **依赖冲突处理** - **虚拟环境隔离**： 使用 `conda` 或 `venv` 创建干净环境： ```bash conda create -n pytorch_env python=3.10 conda activate pytorch_env ``` 避免全局安装导致版本冲突[^4]。 --- ### 验证流程示例 ```python import torch # 检查 CUDA 可用性 assert torch.cuda.is_available(), "CUDA 不可用，请检查安装！" # 输出设备信息 print(f"PyTorch 版本: {torch.__version__}") print(f"CUDA 版本: {torch.version.cuda}") print(f"GPU 名称: {torch.cuda.get_device_name(0)}") print(f"计算能力: {torch.cuda.get_device_capability(0)}") ``` --- ### 相关问题 1. **如何在不重启系统的情况下加载新安装的 NVIDIA 驱动？** - 使用 `sudo modprobe -r nvidia_drm nvidia` 卸载驱动模块后重新加载[^2] 2. **虚拟环境中安装 PyTorch 后仍报 CUDA 错误的可能原因？** - 系统级 CUDA 工具链与虚拟环境中的 PyTorch 版本不匹配，需检查 `LD_LIBRARY_PATH` 环境变量 3. **RTX 5060 支持哪些 CUDA 特性？** - 支持 CUDA 12 的混合精度计算（FP16/FP32 Tensor Core）和稀疏矩阵加速[^1] 4. **Windows 系统下如何设置 TORCH_CUDA_ARCH_LIST？** - 在 PowerShell 中执行 `$env:TORCH_CUDA_ARCH_LIST="8.9"`，或在系统环境变量中添加 5. **源码编译 PyTorch 时出现 `ninja: build stopped: subcommand failed` 错误怎么办？** - 检查 CUDA 路径是否正确，确保 `CUDA_HOME` 环境变量指向 CUDA 安装目录 --- [^1]: NVIDIA CUDA GPU 计算能力列表: https://developer.nvidia.com/cuda-gpus [^2]: PyTorch 官方安装指南: https://pytorch.org/get-started/locally/ [^3]: CUDA 版本兼容性说明: https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html [^4]: Conda 虚拟环境管理: https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html