核心原因 #

你的Jupyter Notebook环境中CUDA_VISIBLE_DEVICES被设置为-1，这个值会强制屏蔽所有GPU设备，导致torch.cuda.device_count()返回0；而torch.cuda.is_available()返回True是因为系统本身的CUDA驱动与PyTorch版本匹配，该函数仅验证CUDA环境可用性，不检查GPU是否可见。

终端环境正常是因为终端的CUDA_VISIBLE_DEVICES未被设置为-1，PyTorch可以正常识别GPU。

解决步骤 #

1. 临时修复（单次有效）
   重启Jupyter Notebook内核后，先执行以下代码设置环境变量，再导入PyTorch：

   import os
   os.environ["CUDA_VISIBLE_DEVICES"] = "0"
   import torch
   # 验证
   print(torch.cuda.device_count())  # 应返回1
   

2. 从终端启动Jupyter（彻底解决环境变量继承问题）
   激活你的conda环境lol，然后直接从终端启动Jupyter：

   conda activate lol
   jupyter notebook
   

   这种方式下，Notebook会完全继承终端的环境变量，包括正确的GPU可见性配置。

3. 检查Jupyter配置文件
   查找Jupyter的配置文件jupyter_notebook_config.py（通常在~/.jupyter/目录下），检查是否存在强制设置环境变量的配置：

   c.NotebookApp.env = {'CUDA_VISIBLE_DEVICES': '-1'}
   

   如果有，将其删除或修改为{'CUDA_VISIBLE_DEVICES': '0'}，保存后重启Jupyter。

4. 检查conda环境激活脚本
   查看~/anaconda3/envs/lol/etc/conda/activate.d/目录下的脚本文件，确认是否有设置CUDA_VISIBLE_DEVICES=-1的代码，如有则删除该配置。

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