VS Code中Jupyter Notebook无法识别Nvidia GPU问题求助

检查Jupyter内核关联 #

• 打开Jupyter Notebook，点击右上角的内核选择器，确认选中的是你配置好GPU的conda虚拟环境。如果不是，直接切换到对应环境。
• 要是列表里没目标环境，打开终端激活该conda环境，执行ipython kernel install --user --name=你的环境名称，把环境注册为Jupyter内核，之后重启VS Code再选。

验证环境依赖一致性 #

• 在Jupyter Notebook里运行以下代码，核对TensorFlow版本和CUDA/CUDNN配置是否和py文件一致：

import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_built_with_cuda())

• 对比py文件里的相同代码输出，要是版本或CUDA配置不一样，说明Jupyter加载了错误依赖，重新激活环境并安装Jupyter：conda activate 你的环境名称 && conda install jupyter

检查VS Code Jupyter扩展设置 #

• 打开VS Code设置（快捷键Ctrl+,），搜索Jupyter: Python Path，确认路径指向你的conda虚拟环境的python.exe（比如C:\Users\你的用户名\.conda\envs\环境名称\python.exe）。
• 关掉VS Code所有窗口，重新打开后再测试Notebook。

重置Jupyter内核缓存 #

• 打开VS Code命令面板（快捷键Ctrl+Shift+P），执行Jupyter: Restart Kernel和Jupyter: Clear All Kernel Caches，之后重新运行Notebook代码。

确认CUDA环境变量加载 #

• 在Jupyter Notebook里运行import os; print(os.environ.get('PATH'))和print(os.environ.get('CUDA_PATH'))，检查是否包含CUDA和CUDNN的路径。要是缺失，可在conda环境里执行conda install cudatoolkit cudnn（对应TensorFlow版本要求的版本），或者手动添加环境变量后重启VS Code。

内容的提问来源于stack exchange，提问作者David293836