仅Jupyter Lab/Notebook中torch.cuda.is_available()返回False求助

1. 内核匹配校验 #

• 首先确认Jupyter Lab运行的内核和你激活的conda环境为同一个：
  • 在Jupyter Lab的cell中执行 import sys; print(sys.executable)，获取当前Python解释器路径
  • 在Anaconda Prompt中激活目标环境后，Windows执行where python、Linux/macOS执行which python，对比两个路径是否完全一致
• 如果路径不一致，说明内核绑定错误，在激活的目标环境中执行以下命令重新安装内核：
  python -m ipykernel install --user --name 你的环境名 --display-name "Python(你的环境名)"
  重启Jupyter Lab后选择对应名称的内核即可。

2. 环境变量继承校验 #

Anaconda Prompt激活环境时会自动注入CUDA相关路径到系统PATH，但通过快捷方式启动的Jupyter Lab往往无法继承这些环境变量：

• 分别在Jupyter Lab和激活环境后的Anaconda Prompt中执行命令打印PATH变量：
  • Jupyter中执行：import os; print(os.environ['PATH'])
  • Windows Prompt执行：echo %PATH%，Linux/macOS执行：echo $PATH
• 对比输出结果，如果CUDA的bin、libnvvp等目录不在Jupyter的PATH中，有两种修复方式：
  • 临时修复：在notebook的代码开头加入环境变量注入逻辑，示例：

    import os
    # 替换为你本机CUDA对应的实际路径
    os.environ['PATH'] = 'C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.8\\bin;C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.8\\libnvvp;' + os.environ['PATH']
    

  • 永久修复：不要通过桌面快捷方式启动Jupyter Lab，每次使用前先在Anaconda Prompt中激活目标环境，再在同一窗口执行jupyter lab启动服务。

3. PyTorch版本校验 #

存在同一环境下多版本PyTorch共存、或误装CPU版PyTorch的可能：

• 分别在Jupyter和Anaconda Prompt中执行：
  import torch; print(torch.__version__); print(torch.version.cuda)
• 若输出的版本号带+cpu后缀，或torch.version.cuda为None，说明安装的是CPU版PyTorch，卸载现有版本后重新安装对应CUDA版本的PyTorch即可。

4. 权限校验 #

Windows环境下若CUDA或Anaconda安装在系统级目录（如C:\Program Files），普通权限启动的Jupyter可能无法读取CUDA相关文件：

• 右键点击Anaconda Prompt，选择「以管理员身份运行」，激活目标环境后再启动Jupyter Lab验证即可。

内容的提问来源于stack exchange，提问作者Chris L.