我想在一个gpu上训练一个VGG模型，因为我有很多图像（137 099），我需要这个过程走得更快。
对于这一点，我有一个笔记本：我的GPU在一个集群（SLURM）上，在那里我通过带有VSCode的remote-ssh由ssh连接。
我正在使用一个conda环境env 2，Python 3.7.12，torch 1.8.1+ cu 101，torch.版本.cuda == 10.1
在我的第一间牢房里，我确实

import torch

print(torch.cuda.is_available())

DEVICE    = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

然后我得到

False

DEVICE = 'cpu'

看起来系统无法访问gpu，我的VGG的训练确实很慢。
然而，如果我在笔记本电脑上使用！nvidia-smi，我可以看到gpu（TITAN X Pascal）
现在，我用python文件test.py代替笔记本test.ipynb（仍在带有env 2的VSCode上）进行了同样的尝试。

torch.cuda.is_available() = True,

训练也会更快。
如果我用JupyterLab运行test.ipynb，我还可以得到

torch.cuda.is_available() = True,

所以看起来VSCode不能从笔记本（test.ipynb）访问gpu，但是可以从python文件（test.py）访问，即使我对这两个文件使用相同的python内核（env 2）。
有人知道它是从哪里来的吗？
备注：

print(sys.executable) 

 > /home/manon/.conda/envs/env2/bin/python

test.py和测试.ipynb文件都适用