### 解决 VSCode 中运行 Python 代码时出现的 `ModuleNotFoundError: No module named 'cupy'` 问题 即使已安装 `cupy` 模块，VSCode 运行 Python 代码时仍提示 `ModuleNotFoundError` 的原因可能涉及多个方面。以下是详细的分析与解决方案： #### 确认当前使用的 Python 环境 在 VSCode 中运行 Python 脚本时，必须确保选择了正确的 Python 解释器。如果解释器路径与安装 `cupy` 的环境不一致，则会引发模块未找到的错误。通过以下命令选择正确的解释器[^1]： ```plaintext Python: Select Interpreter ``` 确保选择的解释器路径与安装 `cupy` 的 Conda 或虚拟环境一致。 #### 验证模块是否安装在正确环境中 即使全局范围内已安装 `cupy`，若当前使用的 Python 环境未安装该模块，仍然会触发 `ModuleNotFoundError`。验证方法如下： ```bash pip list | grep cupy ``` 或在激活的环境中运行： ```python import cupy as cp print(cp.__version__) ``` 若上述命令无法正常执行，则需重新安装 `cupy` 到当前环境中。 #### 安装适配版本的 `cupy` 根据系统中 CUDA 的版本选择合适的 `cupy` 版本进行安装。例如，对于 CUDA 11.1，可以使用以下命令安装： ```bash conda install -c conda-forge cupy-cuda111 ``` 如果系统未安装 CUDA，可以选择 CPU 版本的 `cupy`： ```bash pip install cupy ``` #### 配置 VSCode 的 Python 插件 确保 VSCode 的 Python 插件已正确配置，并启用自动检测环境功能。在 `settings.json` 文件中添加以下内容以明确指定 Python 解释器路径和模块路径： ```json { "python.pythonPath": "path_to_your_conda_env/python.exe", "python.autoComplete.extraPaths": ["path_to_your_conda_env/site-packages"] } ``` #### 测试模块导入 完成上述配置后，运行以下代码测试 `cupy` 是否正常工作： ```python try: import cupy as cp print("Cupy 已正确安装，版本为:", cp.__version__) except ImportError: print("Cupy 未正确安装或环境配置错误") ``` #### GPU 架构与 CUDA 版本匹配 若使用 GPU 加速，需确保 GPU 架构与 CUDA 版本匹配。例如： - Tesla V100、P100、T4 属于 Volta 架构（使用 sm_70）。 - RTX 20xx 系列（如 RTX 2080）和 Tesla T4 属于 Turing 架构（使用 sm_75）。 - RTX 30xx 系列（如 RTX 3080、A100）属于 Ampere 架构（使用 sm_80 或 sm_86）。 - RTX 40xx 系列（如 RTX 4090）属于 Ada 架构（使用 sm_89 或 sm_90，需更高 CUDA 支持）[^3]。 --- ###