[2024年8月] VScode tensorflow或pytorch无法识别调用Nvidia GPU

排除基础问题

1.Windows右下角是否存在Nvidia图标（左1），能否正常进入N卡设置界面。

2.以本人工作站的RTX A5500为例，需要前往Nvidia官网下载对应的显卡驱动、CUDA工具、cuCUDA等必备软件，下载方法和版本对应请参考：

• https://blog.csdn.net/qq_43317133/article/details/134652952

• https://blog.csdn.net/xiangxiang613/article/details/112603083

3.排查路径问题

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\CUPTI\lib64
• 如果使用 cuDNN，还需要添加 cuDNN 的 bin 文件夹路径。

4.如果有MATLAB可以尝试运行实例Resnet进行自动调用GPU（无需配置额外环境）用于检测N卡是否正常并可用于矩阵加速。
5.VSCODE中运行
终端运行nvcc --version # 检查 CUDA 版本，然后代码运行：

import torch
print(torch.cuda.is_available())  # 如果返回 True，则表明 GPU 可用

以上解决方案可解决多数问题，如果是学校或个人用电脑可以考虑搭建Anocanda，可以快速搭建环境。如果仍然报错或者返回False可以考虑以下本人的解决方案

本人解决方案

下载依赖DLL文件libomp140.x86_64.dll, 这里我提供了一个压缩包文件在github中，可直接下载，需要注意的是需要将包的dll文件复制到电脑system32即"C:\Windows\System32"文件夹中，随后重启VScode。

此时运行

import torch
print(torch.cuda.is_available())  # 如果返回 True，则表明 GPU 可用

应该会返回True。此解决方案源自外网，因为本人在配置GPU时无论如何创建python环境，切换cuda和torch等版本对应都无法解决识别问题，然后在一个外文论坛中找到此方案，故分享。