torch报错AssertionError: Torch not compiled with CUDA enabled解决方法 torch适配CUDA降版本、选择gpu版本最终方案

本文介绍: torch 适配CUDA降版本、选择 gpu 版本最终方案 torch 报错RuntimeEr ror: The NVIDIA driver on your system i s too old (found version 10020).以及Asse rt ionError: Torch no t co mpi led wi th CUDA enable d 解决方法

报错情况

报错一

在任意 python 文件下运行这几行命令

print("是否可用：", torch.cuda.is_available())        # 查看GPU是否可用
print("GPU数量：", torch.cuda.device_count())        # 查看GPU数量
print("torch方法查看CUDA版本：", torch.version.cuda)  # torch方法查看CUDA版本
print("GPU索引号：", torch.cuda.current_device())    # 查看GPU索引号
print("GPU名称：", torch.cuda.get_device_name(1))    # 根据索引号得到GPU名称

输出、报错如下：

是否可用： True
...
RuntimeError: The NVIDIA driver on your system is too old (found version 10020).

然后在尝试降版本后出现第二个报错：

报错二

同样的命令

print("是否可用：", torch.cuda.is_available())        # 查看GPU是否可用
print("GPU数量：", torch.cuda.device_count())        # 查看GPU数量
print("torch方法查看CUDA版本：", torch.version.cuda)  # torch方法查看CUDA版本
print("GPU索引号：", torch.cuda.current_device())    # 查看GPU索引号
print("GPU名称：", torch.cuda.get_device_name(1))    # 根据索引号得到GPU名称

输出结果：

是否可用： False
...
AssertionError: Torch not compiled with CUDA enabled

解决办法

首先命令行输入 nvidia–sm i，查看CUDA版本：

nvidia-smi

查看得到结果：

得到服务器的CUDA版本为10.2.

然后去torc h 官网中查看老版本CUDA适配的torc h版本：

https://pytorch.org/get-started/previous-versions/

下面就要在镜像源中找到这样的torc h版本：1.12.1以及适配gpu

比如我们在北外的torch镜像源中找：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

我们是linux版本，就选linux：

看到了如下的：

这就是我们要找的。右键点击蓝字，’右键‘-‘复制链接地址‘，得到下载链接，直接用这个包安装 pytorch：

conda install https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/linux-64/pytorch-1.12.1-py3.8_cuda10.2_cudnn7.6.5_0.tar.bz2

然后用以下命令，自动安装适配的依赖包：

conda install pytorch

这样就安装成功了，再次调用以上python 命令测试CUDA：

print("是否可用：", torch.cuda.is_available())        # 查看GPU是否可用
print("GPU数量：", torch.cuda.device_count())        # 查看GPU数量
print("torch方法查看CUDA版本：", torch.version.cuda)  # torch方法查看CUDA版本
print("GPU索引号：", torch.cuda.current_device())    # 查看GPU索引号
print("GPU名称：", torch.cuda.get_device_name(1))    # 根据索引号得到GPU名称

得到结果：

True
2
10.2
0
Tesla T4

torchvision也是同理：

conda install https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/linux-64/torchvision-0.13.1-py38_cu102.tar.bz2
conda install torchvision

然后具体介绍一下这几个报错，这样也把我一路摸着石头过河的经历给复述一下。

报错RuntimeError: The NVIDIA driver on your system is too old (found vers ion 10020).的原因

你安装的torch和你的CUDA版本不匹配。

比如我的环境中就是10.2的CUDA和1.13.0（或者1.13.1，反正是1.13版本）的pytorch 冲突了。

NVIDIA too old 解决办法

降低pytorch版本。

升级CUDA。

解决办法很多，可以参考网上其他文章。本文重点在第二个报错Torch和CUDA的编译(co mpile)问题，因为我自己是使用学校的机房，没权限升级CUDA，所以介绍一下我尝试过的第一个办法，降低pytorch版本：

你在看这一段时，会发现前面和我最终的解决方法是一样的，但后面不同的方法让我走了弯路。

首先确定你的CUDA版本，在Linux 命令行终端中输入nvidia–smi：

nvidia-smi

查看得到结果：

得到服务器的CUDA版本为10.2.

然后去torch官网中查看老版本CUDA适配的torch版本：

https://pytorch.org/get-started/previous-versions/

好了，到这一步，你可能就会按照它上面的操作，安装这几个版本的库了。

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=10.2 -c pytorch

不过你可能会碰到的问题有：

某个包版本不匹配当前 python版本

某个包版本和其他包冲突

某个包安装的版本和CUDA版本不匹配

可能你改进了第一、二个问题，终于把整套p ytorch、torchvision下下来了，但你还是要面对第三个问题，就是继而报错Asse rt ionError: Torch not co mpi led wi th CUDA enab led，不过我一步步介绍我的经历，先看看如何面对第一和第二个问题的：

自己调试去安装，我试过，最后还是选择了使用如下命令：

conda install --override-channels -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ pytorch torchvision cudatoolkit=10.2

这条命令是说，指定使用镜像源https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/，指定cudatool kit版本适配10.2的CUDA，然后根据这个适配，下载pytorch包和torchvision包。

下载好了，尝试代码，你会得到：

print("是否可用：", torch.cuda.is_available())        # 查看GPU是否可用
print("GPU数量：", torch.cuda.device_count())        # 查看GPU数量
print("torch方法查看CUDA版本：", torch.version.cuda)  # torch方法查看CUDA版本
print("GPU索引号：", torch.cuda.current_device())    # 查看GPU索引号
print("GPU名称：", torch.cuda.get_device_name(1))    # 根据索引号得到GPU名称

（输出结果：）
是否可用： False
...
AssertionError: Torch not compiled with CUDA enabled

这就是第二个报错了。

报错Asserti onError: Torch not co mpi led wi th CUDA enab led的原因

而第二个报错则是因为你安装的torch是cpu版本的。比如你可以在你的conda环境下查找torch版本：

conda list | grep torch

结果如下：

(base) weinz@dlp01:~$ conda list | grep torch
（正常使用命令无法看到下面注释的一行，为了直观显示，我粘贴过来了）
# Name                    Version                   Build  Channel
pytorch                   1.12.1          cpu_py38he8d8e81_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
torchvision               0.13.1          cpu_py38h164cc8f_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

其中包版本号Version后面的Build列，就能看到torch适配的是cpu版本。

发现问题后，改成gpu版本的就可以了。

具体方法就接上我最终的解决方案了：

具体解决方法

首先回顾一下我们需要的torch版本：

在镜像源中找到1.12.1以及适配gpu的pytorch、torchvision

进入镜像源https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

这就是我们要找的。右键-复制链接地址，直接用这个包安装pytorch：

conda install https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/linux-64/pytorch-1.12.1-py3.8_cuda10.2_cudnn7.6.5_0.tar.bz2

可以查看一下，这样下载的是否是 gpu版本的。输入查找命令：

conda list | grep torch

得到结果：

可以看到，显示的是cuda，这个就是gpu版本的了。

然后用以下命令，自动安装适配的依赖包：

conda install pytorch

这样就安装成功了，再次调用以上python 命令测试CUDA：

print("是否可用：", torch.cuda.is_available())        # 查看GPU是否可用
print("GPU数量：", torch.cuda.device_count())        # 查看GPU数量
print("torch方法查看CUDA版本：", torch.version.cuda)  # torch方法查看CUDA版本
print("GPU索引号：", torch.cuda.current_device())    # 查看GPU索引号
print("GPU名称：", torch.cuda.get_device_name(1))    # 根据索引号得到GPU名称

得到结果：

True
2
10.2
0
Tesla T4

torchvision也是同理：

conda install https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/linux-64/torchvision-0.13.1-py38_cu102.tar.bz2
conda install torchvision

总结

看着网上的文章，还有问chatGPT，一步步解决了这个问题，还是值得的。

有的方法在选择 gpu版本的时候，选择这样：

conda install -c 镜像源 后面调试版本
conda install -c 'http...' pytorch=1.12.1 torchvision=0.13.0 cudatoolkit=10.2
conda install -c 'http...' pytorch=1.9.1 torchvision=0.8.0 cudatoolkit=10.2
...