同一Conda环境下Jupyter Notebook CUDA可用但VS Code终端不可用

检查并激活正确的Conda环境 #

• 运行命令查看当前已激活的环境：

  conda info --envs
  

  确认带*标记的是你的stable-diffusion环境。
• 如果未激活目标环境，执行激活命令：

  conda activate stable-diffusion
  

验证命令行的Python路径 #

• 在命令行查看当前Python路径：

  # Windows CMD
  where python
  # Git Bash/WSL
  which python
  

  确保输出路径与Jupyter中!which python的结果一致：/c/Users/b2bt/anaconda3/envs/stable-diffusion/python。若路径不同，说明命令行调用了其他环境的Python，需确保激活环境后路径优先级正确。

检查CUDA环境变量配置 #

• 在命令行查看CUDA路径设置：

  # Windows CMD
  echo %CUDA_PATH%
  # Git Bash/WSL
  echo $CUDA_PATH
  

  输出需指向与Torch兼容的CUDA安装目录（例如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8）。
• 若路径未设置或错误，手动配置：

  # Windows CMD
  set CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
  # Git Bash/WSL
  export CUDA_PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.8"
  

  配置后重启命令行，激活环境再测试torch.cuda.is_available()。

重新安装适配CUDA的Torch版本 #

• 先卸载现有Torch相关包：

  pip uninstall torch torchvision torchaudio -y
  

• 根据你的CUDA版本安装GPU版Torch（以CUDA 11.8为例）：

  pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
  

• 安装完成后在命令行测试：

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

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