linux上的，多种安装方式产生的，多个cuda版本，以及执行顺序问题（nvidia-smi， /usr/local/，conda）

一、多个cuda版本

1、sudo ubuntu-drivers autoinstall 安装驱动，会自带一个cuda，这个cuda是一个版本（通过 nvidia-smi 查看）

2、从官网上下载，并安装cuda在/usr/local下，此时又是一个cuda版本（通过 cat /usr/local/cuda/version.txt 查看）

1和2两种安装cuda方法，https://blog.csdn.net/qq_40947610/article/details/114706170

1和2两个cuda版本并存，为何不冲突？https://www.cnblogs.com/marsggbo/p/11838823.html

3、miniconda安装pytorch或者tensorflow也会安装另一个cuda版本（在 /miniconda3/pkgs/cudatoolkit*）

2和3的区别，https://blog.csdn.net/qq_40947610/article/details/114707085

二、执行顺序

调用哪个 cuda 库要看生成 tensorflow / pytorch 库的时候，设置的链接库寻找目录，以 pytorch 为例，项目根目录下的 setup.py 中指定了链接库的搜索目录，其中 cuda 的根目录 CUDA_HOME在 tool.setup_helpers.cuda 中有获取逻辑，大概过程是：

      0. ~/.bashrc下指定的CUDA_HOME

1. 默认 cuda 安装目录 /usr/local/cuda
2. 如默认目录不存在（例如安装原生 cuda 到其他自定义位置），那么搜索 nvcc 所在的目录
3. 如果 nvcc 不存在，那么直接寻找 cudart 库文件目录（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），库文件目录的上级目录就作为 CUDA_HOME。
4. 如果最终未能得到 CUDA_HOME，那么生成的 pytorch 将不使用 CUDA。

（以上过程的 pytorch 源码版本 '1.3.0'）

详细的可去看 pytorch 源码。tensorflow 源码我没看过，不过思路应该差不多。

 

参考：https://www.zhihu.com/question/344950161