你们要的完整代码：

{
    // 使用 IntelliSense 了解相关属性。 
    // 悬停以查看现有属性的描述。
    // 欲了解更多信息，请访问: https://go.microsoft.com/fwlink/?linkid=830387
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Python: Current File",
            "type": "python",
            "request": "launch",
            "program": "${file}",
            "args": ["-gpu"],
            "console": "integratedTerminal",
            "justMyCode": true
        }
    ]
}

前言：

我看到别人用os的这个代码去试着跑代码，我真的笑死…原理都不一样。

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "GPU设备号"

os.environ是干什么的:
官方文档（机翻）:
os.environ
一个映射对象，其中键和值是表示流程环境的字符串。例如，是主目录的路径名（在某些平台上），等效于 C 中。environ['HOME']getenv("HOME")

此映射在首次导入 os 模块时捕获，通常在 Python 启动期间作为处理的一部分。在此时间之后对环境所做的更改不会反映在 中，但通过直接修改 os.environ 所做的更改除外。site.py

此映射可用于修改环境以及查询环境。当映射被修改时， 将被自动调用。

在Unix上，键和值使用sys.getfilesystemencoding（）和错误处理程序。如果要使用其他编码，请使用环境。'surrogateescape'

人话：在python运行时临时使用一个操作系统的系统环境变量
图：
其中，cuda相关：
具体原理（逻辑）:

1.os.environ调用代码中描述的环境变量，随后调用相关环境变量
2.环境变量中指定的指令和程序，软件被执行
3.与兼容的pipy库运行指令和代码（那些支持cuda的，如keras，tensorflow，torch）
4.将需要在cuda设备下运行的指令，代码，数据搬到cuda下用gpu跑

tips：你应该看出来了吧，写个print(list(变量))或者用matplotlib把整张图绘制出来（比如说你搞个人工智能分辨率修复，你把4000x8000的人物立绘整个x16倍），这些代码是不跑cuda的，那也就意味着不gpu，但是单单运行这些都比整个神经网络单次运行的计算量要大得多！

正文：

虽然python的自带库没有将整个代码塞进gpu跑的，但是python却自带了相关的参数
没错，就是python filepath -gpu！
cmd和powershell都能用就差vscode了！
由于vscode的python内置了终端交互，所以多少有点方便，但是却不能直接通过终端赋予参数，只能用cmd或者powershell去运行python，这导致终端输出变成了相应的。
所以，说人话就是vscode通过launch.json达到了相应的功能。本是同根生，相煎何太急？

教程：

1.
运行，打开配置，然后就打开了launch.json

2.在

"program": "${file}",

下面插入

 "args": ["-gpu"],

3.保存，然后尽情的烧电脑吧！！记得架个平底锅煎蛋！！

缺点：

由于只是交由gpu运行，所以不能指定设备。而且默认是核显，主显卡几乎不运行，很怪。
由于只是运行程序，所以速度是一样的，没有加速功能。

优点：

主程序不占用cpu
由于python奇怪的gpu使用逻辑（哪怕你用keras和tensorflow也是一样），几乎不占用gpu
仍然可以使用vscode自带终端