Anaconda（Jupyter）里发现不能识别自己的GPU该怎么办? ＜续＞

Question:

之前发布过一篇此问题的博客，解决Jupyter里无法识别本地的CUDA
https://blog.csdn.net/m0_51339444/article/details/126072517

import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号
print(torch.cuda.device_count())

明明自己的本地有CUDA，但是Jupyter Notebook却不能识别，绝大多数情况是因为没有安装CUDA版本的PyTorch，而是CPU的，固然无法识别。最近，有朋友留言说即使安装了CUDA 版本的PyTorch，在PyCharm里可以识别，但是Jupyter Notebook仍然不能识别，如上图所示，经过检查，发现他在PyCharm里添加了对应的解释器（安装了CUDA PyTorch的虚拟环境），但是在jupyter notebook里使用的仍然是普通的python解释器，没有应用虚拟环境，如下如所示：

Solve:

解决方法也很简单，只需要让Jupyter添加相应的虚拟环境即可。

（1）在命令行中输入如下命令，下载ipykernel包

pip install ipykernel

（2）将本地环境导入Jupyter Notebook中

python -m ipykernel install --name basic_py  # basic_py为环境名

（3）切换运行环境

（4）验证成功与否

在Cell中输入如下语句：

import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号
print(torch.cuda.device_count())