vscode gpu加速失效的根本原因是启动方式导致环境变量未继承，必须从已加载cuda的终端启动；windows需确保path包含cuda和cudnn路径，linux/macos需检查ld_library_path，conda环境应显式指定cuda版本。
VSCode 本身不直接管理 CUDA 环境变量，GPU 加速能否生效，完全取决于你启动 VSCode 的那个终端/Shell 是否已正确加载 CUDA 相关路径和库。很多用户在终端里 nvcc -V 和 nvidia-smi 都正常，但 VSCode 中的 Jupyter 或 Python 终端却报 No module named 'torch.cuda' 或 CUDA not available，问题就出在这里。
启动 VSCode 前必须让 Shell 加载 CUDA 环境
Windows 和 Linux 行为差异极大，但核心逻辑一致：VSCode 继承的是父进程的环境变量。如果你是双击图标启动 VSCode，它通常不会读取你的 .bashrc、.zshrc 或系统级 PATH —— 它只继承登录会话的初始环境，而该环境往往没加载 CUDA。
- Linux/macOS：务必从已 source 过 CUDA 环境的终端中启动 VSCode，例如：
source ~/.bashrc && code（或code .） - Windows（PowerShell）：在已执行过
$env:Path += ";C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin"的 PowerShell 中运行code - Windows（GUI 启动）：可修改 VSCode 快捷方式目标，改为：
cmd /c "set PATH=%PATH%;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin && code"
验证 python 进程是否真能看见 CUDA
别只信终端命令，要验证 VSCode 里实际运行 Python 的那个进程是否继承了正确环境。打开 VSCode 内置终端（Ctrl+`），直接运行：
python -c "import torch; print(torch.cuda.is_available())"
如果输出 False，哪怕 nvidia-smi 在同一终端里能跑，也说明 Python 解释器没拿到 CUDA_PATH 或 LD_LIBRARY_PATH（Linux/macOS）/PATH（Windows）里的动态库路径。
- Linux/macOS：检查
echo $LD_LIBRARY_PATH是否包含/usr/local/cuda/lib64 - Windows：检查
echo %PATH%是否含CUDA\v12.4\bin和CUDA\v12.4\lib\x64 - PyTorch/TensorFlow 用户：运行
python -c "import torch; print(torch.version.cuda)"，输出应为12.4（与你安装的 CUDA 版本一致）
tasks.json 和 launch.json 不解决 CUDA 环境继承问题
很多人试图在 .vscode/tasks.json 里用 "env" 字段硬塞 CUDA_PATH，或在 launch.json 里写 "env": {"CUDA_VISIBLE_DEVICES": "0"} —— 这些只影响单个任务或调试进程，对 Jupyter Kernel、Python Interactive 窗口、甚至普通终端里的 python 命令都无效。
- Jupyter Kernel 启动时读的是系统默认 Python 环境，不是你当前终端的临时变量
- 真正起作用的是：VSCode 启动时继承的全局环境，以及你选择的 Python 解释器所在虚拟环境是否被正确初始化（conda 环需用
conda activate pt_gpu后再code） - 安全做法：用 conda 创建环境时显式指定 CUDA 版本，如
conda create -n pt124 -c pytorch pytorch=2.3.0 pytorch-cuda=12.4，conda 会自动处理LD_LIBRARY_PATH注入
Windows 上特别容易漏掉 cudnn 的 DLL 路径
即使 nvcc 和 nvidia-smi 都通，PyTorch 仍可能因找不到 cudnn64_8.dll 而 fallback 到 CPU。Windows 不像 Linux 自动搜索 LD_LIBRARY_PATH，它只查 PATH。
- 确认
cudnn64_8.dll所在目录（如C:\tools\cudnn\cuda\bin）已加入系统PATH - 不要只加到用户变量，某些 VSCode 启动方式只读系统变量
- 重启 VSCode（不是 reload window）才能让新
PATH生效 - 验证方法：
python -c "import torch; torch.backends.cudnn.enabled"应返回True
最常被忽略的点是：VSCode 启动方式决定了环境变量继承链。无论你配置多完美的 settings.json 或 tasks.json，只要不是从已加载 CUDA 的 Shell 启动，所有 GPU 加速都会静默失效 —— 不报错，只慢得离谱。
