Python 3.13环境下PyTorch 2.8 CUDA支持问题：GPU检测失败报错AssertionError

阿华AIGC实验室

2026-4-2

我之前折腾新Python版本的时候也踩过一模一样的坑，尤其是Python刚出大版本（比如3.13）的时候，PyTorch的CUDA适配确实会慢半拍，给你捋清楚问题根源和实打实的解决办法：

问题根源

你碰到的AssertionError: Torch not compiled with CUDA enabled本质上只有两种可能：要么你装的是纯CPU版本的PyTorch，要么当前PyTorch 2.8稳定版还没针对Python3.13做CUDA编译适配。你说别人能用，大概率是他们要么用了Python3.12及以下的稳定版本（PyTorch对这些版本的CUDA支持非常成熟），要么装了PyTorch的预览版来适配3.13。

具体解决步骤

1. 先确认当前PyTorch的CUDA状态

先跑这段代码，把当前安装的PyTorch底裤扒得明明白白：

import torch
print(torch.__version__)
print(torch.version.cuda)

如果torch.version.cuda输出的是None或者空值，那百分百是装了纯CPU版，直接跳到下一步重新安装就行。

2. 选适配方案（二选一，按需挑）

方案一：降级Python到稳定兼容版本（最稳妥，首推）

Python3.13属于刚推的新版本，PyTorch 2.8稳定版还没跟上它的CUDA适配节奏。你可以把Python降级到3.12（目前PyTorch稳定版对这个版本的CUDA支持拉满），操作步骤：

先卸载现有PyTorch，避免残留冲突：

pip uninstall torch torchvision torchaudio -y

安装对应你显卡CUDA版本的PyTorch，比如你的显卡支持CUDA 12.1，直接用这个命令：
```
pip install torch torchvision torchaudio
```
（注：安装时会自动匹配对应CUDA版本的包，前提是你已经装了最新的显卡驱动）

方案二：坚持用Python3.13，装PyTorch预览版

如果你不想动Python版本，就试试PyTorch的nightly预览版——这个版本专门提前适配新Python版本，已经支持3.13+CUDA了：

同样先卸载现有PyTorch：

pip uninstall torch torchvision torchaudio -y

安装预览版（对应CUDA 12.1的示例命令）：
```
pip install --pre torch torchvision torchaudio
```

3. 验证安装结果

重新跑你的检测代码，看是不是成功唤醒GPU了：

import torch
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0))

如果输出True加上你的显卡型号，就说明CUDA已经搞定了！之后训练模型时只要加一行device = torch.device("cuda" if torch.cuda.is_available() else "cpu")，把模型和数据都移到这个device上，就能享受GPU飞一般的训练速度了。