Torch not compiled with CUDA enabled langchian

这个错误通常是因为你的PyTorch没有启用CUDA，而你的代码中使用了CUDA相关的功能。要解决这个问题，你需要重新安装PyTorch并启用CUDA支持。你可以按照以下步骤操作： 1. 确认你的电脑上已经安装了NVIDIA显卡，并且已经安装了CUDA。 2. 打开Anaconda Prompt或者终端，创建一个新的虚拟环境（可选）。 3. 在终端中输入以下命令安装PyTorch： ```python conda install pytorch torchvision torchaudio cudatoolkit=<your_cuda_version> ``` 其中，`<your_cuda_version>`是你电脑上安装的CUDA版本号。如果你不知道你的CUDA版本号，可以在终端中输入以下命令查看： ```python nvcc --version ``` 4. 安装完成后，在Python代码中加入以下代码，以启用CUDA支持： ```python import torch if torch.cuda.is_available(): device = torch.device("cuda") print('There are %d GPU(s) available.' % torch.cuda.device_count()) print('We will use the GPU:', torch.cuda.get_device_name(0)) else: print('No GPU available, using the CPU instead.') device = torch.device("cpu") ``` 这段代码会检查你的电脑是否有可用的GPU，并输出GPU的数量和名称。 如果你想在代码中使用GPU，你需要将你的模型和数据移动到GPU上，例如： ```python model.to(device) inputs = inputs.to(device) labels = labels.to(device) ``` 这样就可以在代码中使用CUDA了。

### 问题分析 在使用 PyTorch 时，如果遇到错误提示 **"Torch not compiled with CUDA enabled"**，这意味着当前安装的 PyTorch 版本没有启用 CUDA 支持。PyTorch 需要特定的 CUDA 工具链支持才能利用 GPU 进行加速计算。如果安装的 PyTorch 二进制文件不包含 CUDA 支持，或者系统中没有正确安装 CUDA 驱动和工具，就会导致该错误。 --- ### 解决方案 #### 1. 确认系统环境支持 CUDA 在安装 PyTorch 之前，确保以下条件满足： - **NVIDIA GPU**：确保你的设备具有支持 CUDA 的 NVIDIA GPU。 - **CUDA 驱动**：安装与你的 GPU 兼容的 NVIDIA 驱动程序（通常通过 `nvidia-smi` 命令检查驱动版本）。 - **CUDA Toolkit**：确保系统中安装了正确的 CUDA Toolkit 版本。 - **cuDNN**：安装与 CUDA Toolkit 兼容的 cuDNN 库。 #### 2. 使用官方推荐的安装方法 建议通过 [PyTorch 官方网站](https://pytorch.org/get-started/locally/) 获取与当前环境匹配的安装命令。根据系统环境（操作系统、CUDA 版本等），选择合适的命令。例如： ```bash # 安装支持 CUDA 的 PyTorch 版本 pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118 ``` 该命令会安装支持 CUDA 11.8 的 PyTorch 版本。 #### 3. 验证安装是否启用 CUDA 支持 安装完成后，运行以下代码验证 PyTorch 是否成功启用了 CUDA 支持： ```python import torch # 检查 CUDA 是否可用 print(torch.cuda.is_available()) # 应输出 True # 查看当前使用的设备 print(torch.cuda.current_device()) # 输出当前设备索引 # 查看 GPU 名称 print(torch.cuda.get_device_name(torch.cuda.current_device())) # 输出 GPU 名称 ``` #### 4. 使用 Conda 安装（可选） 如果你使用的是 Anaconda 环境，可以通过以下命令安装 PyTorch： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch ``` Conda 会自动处理依赖关系，并确保安装的 PyTorch 版本与 CUDA 工具包兼容。 #### 5. 重新编译 PyTorch（高级） 如果无法找到合适的预编译版本，可以尝试从源码编译 PyTorch 并启用 CUDA 支持。该方法较为复杂，需要熟悉构建流程，建议优先使用官方提供的预编译版本。 ```bash # 克隆 PyTorch 源码 git clone https://github.com/pytorch/pytorch cd pytorch # 安装依赖 pip install -r requirements.txt # 编译并安装 python setup.py install ``` #### 6. 升级或降级 PyTorch 版本 如果你已经安装了 PyTorch，但版本不支持 CUDA，可以通过以下命令升级或降级到支持 CUDA 的版本： ```bash # 升级到最新版本 pip install --upgrade torch torchvision torchaudio # 或者指定特定版本 pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117 ``` --- ### 其他注意事项 - **虚拟环境**：确保在正确的虚拟环境中安装 PyTorch，并且该环境支持 CUDA。 - **版本匹配**：PyTorch 的版本必须与 CUDA Toolkit 版本兼容。例如，PyTorch 1.13 需要 CUDA 11.7 或 11.8。 - **操作系统**：某些操作系统（如 Windows）可能需要额外配置，例如安装 Visual Studio 编译器工具链。 --- ### 示例代码：验证 CUDA 支持 以下代码可用于验证 PyTorch 是否正确启用了 CUDA 支持： ```python import torch # 检查 CUDA 是否可用 print("CUDA Available:", torch.cuda.is_available()) # 创建一个张量并在 GPU 上运行 if torch.cuda.is_available(): device = torch.device("cuda") x = torch.randn(1000, 1000).to(device) y = torch.randn(1000, 1000).to(device) z = torch.mm(x, y) print("Matrix multiplication on GPU completed.") else: print("CUDA is not available. Using CPU instead.") ``` --- ###