我在 Ubuntu 16.04 上使用 Conda。我的目标是将每个 Conda 环境与特定版本的 CUDA/cuDNN 相关联。我环顾四周，发现这个很有趣article ，这基本上建议将不同的 CUDA 版本放入不同的文件夹，然后使用特定于环境的 bash 脚本(在环境激活时运行)来正确设置 PATH/LD_LIBRARY_PATH 变量(创建与 CUDA 版本的关联)。
这很好，但是当我尝试使用 Conda 安装诸如 pytorch 之类的框架时，它会迫使我还安装“cudatoolkit”包。
所以，有几个问题:
1) 下载 cudatoolkit 会不会弄乱我以前的 CUDA 配置？将使用哪个版本？
2)如果使用 Conda 可以安装“cudatoolkit”和“cudnn”，为什么不只使用 conda 来安装所有东西？为什么甚至需要应用上述文章的说明？
谢谢你。
最佳答案
作为第一个问题的答案，不，下载和安装另一个 CUDA 工具包不会弄乱其他配置。从 CUDA 工具包安装程序中，您指定一个安装目录，因此只需选择适合您的 CUDA 版本独有的任何内容。这不会影响任何当前安装的 CUDA 版本。 Pytorch 安装将查找 CUDA_HOME 环境变量以及“/usr/local/cuda”(默认 CUDA 工具包安装目录。)，因此只需要更改此环境变量。
我不能说第二部分。也许使用 Conda 的安装会使用 CUDA 工具包的默认安装目录(看起来很傻，但这只是猜测)。
关于cuda - 在 Ubuntu 上安装多个 CUDA/cuDNN 版本的最佳解决方案，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55343697/