vscode AssertionError: Torch not compiled with CUDA enabled
时间: 2025-04-19 12:54:24 浏览: 31
### 解决 VSCode 中 PyTorch 未启用 CUDA 编译导致的 AssertionError
当遇到 `AssertionError: Torch not compiled with CUDA enabled` 错误时,表明当前使用的 PyTorch 版本并未编译支持 CUDA 功能。为了使 PyTorch 支持 GPU 加速,在安装过程中需确保选择了带有 CUDA 支持的版本。
#### 验证现有环境中的 CUDA 及 PyTorch 安装情况
建议先验证现有的 PyTorch 和 CUDA 是否正常工作:
```python
import torch
print("CUDA 是否可用:", torch.cuda.is_available())
print("GPU 数量:", torch.cuda.device_count())
print("PyTorch CUDA 版本:", torch.version.cuda)
print("当前设备索引号:", torch.cuda.current_device())
```
如果上述命令显示 CUDA 不可用,则说明当前环境中缺少必要的 CUDA 支持[^3]。
#### 卸载旧版 PyTorch 并重新安装带 CUDA 的版本
对于 Python 3.8 用户来说,可以尝试卸载已有的 PyTorch 包,并通过 pip 或 conda 来安装特定于目标系统的预构建二进制文件。例如针对 Linux 系统且希望使用 CUDA 10.2 的情况下,可执行如下操作来更新至指定版本:
```bash
pip uninstall torch torchvision torchaudio
pip install --upgrade https://download.pytorch.org/whl/cu102/torch-1.7.1%2Bcu102-cp38-cp38-linux_x86_64.whl
pip install torchvision torchaudio
```
此过程会移除任何先前存在的 PyTorch 安装,并替换为与所选 CUDA 版本相匹配的新版本[^4]。
#### 设置 Visual Studio Code 使用正确的 Conda Environment
为了让 VSCode 正确识别新安装的支持 CUDA 的 PyTorch 库,还需要确认 IDE 已经指向了包含这些库的 conda 环境。可以通过以下方式设置:
1. 打开命令面板 (`Ctrl+Shift+P`)
2. 输入并选择 "Python Select Interpreter"
3. 浏览找到之前创建好的 Anaconda 虚拟环境路径或直接输入其名称
完成以上步骤之后再次测试 CUDA 是否能够被正确检测到。通常按照这种方法处理后就能顺利解决问题[^2]。
阅读全文
相关推荐







