【深度学习】使用Conda虚拟环境安装多个版本的CUDA和CUDNN方便切换

conda虚拟环境安装CUDA和CUDNN

官网教程

https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#conda-installation

1. 背景

深度学习用显卡训练的时候，需要安装与显卡对应的cuda和cudnn。但不同的项目所支持的pytorch版本是不一样的，而pytorch版本和cuda版本之间又是互相依赖的，所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaconda就可以实现这个功能。我们可以在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本，以此来实现不同cuda版本间的切换。

环境1：

环境2

2. 使用Conda安装CUDA

2.1查看自己显卡驱动支持的最高cuda版本 输入nvidia-smi指令来查看。

• https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
• 比如我的显卡驱动版本是510.108.03，可安装的CUDA最高版本为11.6。（可能是推荐版本，我安装了11.8）
  

2.2 创建与激活虚拟环境

# create conda env 
conda create --name vdisco python==3.10

# env activate
conda activate vdisco

2.3 确定要安装的CUDA版本

conda search cudatoolkit --info

2.4 下载与安装CUDA

方法一：把cuda下载到本地
首先复制url字段里的下载链接，然后用命令cd到想要下载的目录，执行如下代码下载

wget [你刚刚复制的链接地址]

安装：执行如下命令进行安装，因为是通过本地安装的，所以需要写明本地包的路径

# 在特定虚拟环境下安装
conda install --use-local [本地cuda包所在的路径]

方法二：直接安装
在特定虚拟环境下安装
conda install cuda -c nvidia/label/cuda-11.3.1
卸载：
conda remove cuda

3.1 CUDNN

查看：

# 在特定虚拟环境下
conda search cudnn --info

3.2 在特定虚拟环境下安装

conda install --use-local [本地cudnn包所在的路径]

3.3 版本验证

需要用torch 验证，而不是cudnn

# 虚拟环境中，进入python环境
import torch

# 查看pytorch版本
print(torch.__version__)

# cuda是否可用
print(torch.cuda.is_available())

# cuda版本
print(torch.version.cuda)

# cudnn版本
print(torch.backends.cudnn.version())

参考：

https://blog.csdn.net/tyyhmtyyhm/article/details/136863438
https://blog.csdn.net/qq_43705697/article/details/121618276