VSCode中.ipynb文件torch.cuda.is_available()返回False问题求助

针对你遇到的VSCode中.ipynb文件无法识别GPU，但同环境.py文件和JupyterLab正常的问题，核心原因大概率是VSCode的Jupyter内核环境配置异常，具体分析和解决步骤如下：

可能的原因及对应解决方法 #

1. VSCode未正确关联conda环境的Jupyter内核 #

虽然sys.executable显示路径正确，但VSCode可能默认使用了其他内核（比如系统默认的Python），或者内核的环境变量未正确加载。

• 解决：打开VSCode命令面板（Ctrl+Shift+P），执行Jupyter: Select Kernel，选择标注为Python (env2)的内核；如果没有该选项，先在终端激活env2环境，执行pip install ipykernel && python -m ipykernel install --user --name env2 --display-name "Python (env2)"，再重新选择内核。

2. VSCode Jupyter扩展缓存了旧的环境信息 #

扩展缓存可能导致内核启动时未加载最新的CUDA环境变量，即使路径正确也无法识别GPU。

• 解决：在命令面板执行Jupyter: Reset Kernels，关闭并重新打开.ipynb文件，再次测试torch.cuda.is_available()。

3. VSCode Remote-SSH连接时未加载CUDA环境变量 #

SLURM集群中，VSCode Remote连接的是非交互式Shell，可能不会自动加载~/.bashrc或~/.profile里的CUDA配置（比如LD_LIBRARY_PATH），而终端和JupyterLab是交互式Shell，能正常加载。

• 临时测试：在.ipynb的第一个单元格手动添加环境变量：

  import os
  # 替换为你集群的CUDA 10.1路径
  os.environ['LD_LIBRARY_PATH'] = '/usr/local/cuda-10.1/lib64:' + os.environ.get('LD_LIBRARY_PATH', '')
  import torch
  print(torch.cuda.is_available())
  

  如果返回True，说明是环境变量问题。
• 永久解决：打开VSCode设置，搜索remote.SSH.remoteEnv，添加CUDA相关环境变量：

  "remote.SSH.remoteEnv": {
      "LD_LIBRARY_PATH": "/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH",
      "PATH": "/usr/local/cuda-10.1/bin:$PATH"
  }
  

  保存后重新连接SLURM集群。

4. Jupyter内核启动时的资源绑定问题 #

部分SLURM节点需要显式绑定GPU资源，VSCode的Jupyter内核可能未自动获取GPU权限，但终端运行.py文件时环境已自动绑定。

• 解决：在VSCode的终端中，先通过SLURM命令申请GPU资源（比如srun --gres=gpu:1 --pty bash），再在该终端中启动VSCode的Jupyter内核。

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