关于cuda、cudnn、pytorch对应版本的选择以及安装顺序踩坑

最近要在服务器上跑一个别人的程序，按照他的requirement.txt配置conda环境结果程序报错了。发现是txt里给的pytorch版本和cuda版本不匹配，专门记录一下正确的安装顺序。

遇到的情境背景

服务器，已经有cuda 11.7，我直接pip install -r requirement.txt。里面的torch是1.7.x的，安装过程没报错，但是程序运行的时候出现

ImportError: libcudnn.so.8: cannot open shared object file: No such file or directory

查了一下发现没装cudnn。于是去nvidia官网下载。官网下载都是根据cuda的版本选择的，我就选择了最新的8.9.x.x，cuda 11.x版的。
装完之后还是报上面的错。在python里

import torch
print(torch.version)
print(torch.version.cuda)
print(torch.backends.cudnn.version())

发现print出来的cuda版本是10.2，cudnn版本是7.x.x.x。于是从头装，配一个和我cuda匹配的环境。

如果你还没有安装cuda，可以先安装cuda

1、cuda版本选择

在终端中输入

nvidia-smi

会显示显卡信息。这里会显示一个cuda版本，是你现在显卡驱动能支持的最高的cuda版本，所以安装的时候选择的版本不能高于这个版本。如果要配的环境需要的cuda版本比这里显示的高，可以尝试更新显卡驱动，这样支持的cuda版本可能会变高。

如果已经安装了cuda，在终端中查看版本：

nvcc -V

2、pytorch和cudnn版本选择

正常来说装完cuda应该先装cudnn，但cudnn的版本太多了，不知道选哪个。如果只是根据cuda版本选的话，在后续装pytorch后我出现了warning cudnn mismatch(虽然没有报错)。

因此我认为可以先装pytorch，再根据pytorch对应的cudnn版本装cudnn。

pytorch的话就直接根据cuda版本和代码需要在官网上用官方的安装语句安装就好。安装完成后，在python中

import torch
print(torch.version)
print(torch.version.cuda)
print(torch.backends.cudnn.version())

这个时候会出来一个cudnn版本，然后再根据print出来的版本号去官网下载对应的cudnn。

p.s.如果print出来是8500，那就下载8.5.0.0版本