解决报错：Torch not compiled with CUDA enabled

报错“Torch not compiled with CUDA enabled”通常出现在你试图在支持CUDA的NVIDIA GPU上运行PyTorch代码时。这个错误表明你的PyTorch安装没有启用CUDA支持。为了解决这个问题，你需要按照以下步骤进行操作：

步骤1：确认你的GPU是否支持CUDA
首先，你需要确认你的NVIDIA GPU是否支持CUDA。你可以访问NVIDIA官网，查看你的GPU型号是否在CUDA支持的列表中。

步骤2：安装NVIDIA驱动和CUDA工具包
如果你确定你的GPU支持CUDA，接下来需要安装NVIDIA驱动和CUDA工具包。你可以访问NVIDIA官网，下载并安装适合你操作系统的驱动和工具包。

步骤3：安装PyTorch并启用CUDA支持
安装完NVIDIA驱动和CUDA工具包后，你可以开始安装PyTorch并启用CUDA支持。你可以使用pip或conda等包管理器来安装PyTorch。在安装过程中，确保选择与你安装的CUDA版本兼容的PyTorch版本。

使用pip安装PyTorch（以pip为例）：

pip install torch torchvision -f https://download.pytorch.org/whl/cu116/torch_stable.html

使用conda安装PyTorch（以conda为例）：

conda install pytorch torchvision torchaudio -c pytorch

步骤4：检查PyTorch是否正确加载CUDA
安装完PyTorch后，你可以通过运行以下代码来检查PyTorch是否正确加载了CUDA：

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

如果输出结果为True，则表示PyTorch已成功加载CUDA。如果输出结果为False，则表示PyTorch未能正确加载CUDA。此时，你需要检查你的PyTorch安装和环境变量设置是否正确。

步骤5：配置环境变量（可选）
有时候，你可能需要配置环境变量以确保PyTorch能够找到CUDA库。你可以将CUDA的路径添加到你的系统环境变量中。具体操作方法取决于你的操作系统。在Linux上，你可以编辑~/.bashrc或~/.bash_profile文件，添加以下行：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

在Windows上，你可以通过“系统属性”->“高级”->“环境变量”来添加新的系统环境变量。将CUDA的路径添加到Path环境变量中。

完成以上步骤后，你的PyTorch应该能够启用CUDA支持，并能够在支持CUDA的NVIDIA GPU上运行深度学习计算了。如果你仍然遇到问题，可以查看PyTorch文档或寻求社区帮助来解决报错问题。