cuda安装（多版本切换）

除了软连接，还可以通过配置环境变量（CUDA_PATH ）来实现版本切换。 当本机上安装有多个版本cuda时可以通过一下步骤进行管理/版本切换，比如我们要切换使用cuda11.8： sudo vim ~/.bashrc加入以下的内容： export LD_LIBRARY_PATH=$L{D}_{L}IBRAR{Y}_{P}ATH:/usr/local/cuda-11.8/lib64exportPATH=$PATH:/usr/local/cuda-11.8/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.8 修改完毕，保存，并执行"source ~/.bashrc"

使用 LD_LIBRARY_PATH 来控制适用不同版本的 CUDA runtime。 anaconda 也是用 LD_LIBRARY_PATH 来控制CUDA版本的。 在使用 CMake 等编译和运行的过程中，可以根据 CUDA_HOME 或 CUDA_PATH 这个环境变量选择CUDA 版本，而不需要删除、创建软连接

原文链接： https://zhuanlan.zhihu.com/p/91334380 https://blog.csdn.net/qq_42406643/article/details/109545766

pytorch寻找可用CUDA的过程

查找可用的cuda路径 1、环境变量CUDA_HOME 或 CUDA_PATH 2、/usr/local/cuda。（这是软连接）

注：h3c服务器中软连接已删除，如有要自己在用户家目录（.bashrc 中）配置CUDA环境变量（路径：usr/local/cuda-11.8或usr/local/cuda-12.3） 3、which nvcc的上级上级目录 （which nvcc 会在环境变量PATH中找） 4、如果上述都不存在，则torch.utils.cpp_extension.CUDA_HOME为None，会使用conda安装的cudatoolkit，其路径为cudart 库文件目录的上级目录（此时可能是通过 conda 安装的 cudatoolkit，一般直接用 conda install cudatoolkit，就是在这里搜索到 cuda 库的）。 原文链接： https://blog.csdn.net/qq_41094058/article/details/116207333 https://www.cnblogs.com/yhjoker/p/10972795.html

显卡驱动与cuda版本关系 每个cuda都有一个最低要求的显卡驱动版本。 每个显卡驱动有一个最高支持的cuda版本。 nvidia-smi命令显示的cuda版本是该驱动最高支持的cuda版本。（安装显卡驱动后就可以执行nvidia-smi命令）

查看使用的cuda版本： torch.version.cuda 是位于 torch/version.py 中的一个变量， Pytorch 在基于源码进行编译时，通过 https://github.com/pytorch/pytorch/blob/master/tools/setup_helpers/cuda.py 来确定编译 Pytorch 所使用的 cuda 的安装目录和版本号。并不一定是 Pytorch 在实际系统上运行时使用的 cuda 版本，而是编译该 Pytorch release 版本时使用的 cuda 版本。 torch.utils.cpp_extension.CUDA_HOME #输出 Pytorch 运行时使用的 cuda