【环境】pytorch选择cuda的顺序【关于cudatoolkit和/usr/local/cuda】

简介

• cuda：完整版的cuda
• cuda动态链接库：阉割版的cuda，只有cuda运行时需要的动态链接库。
• cudatoolkit：是conda提供的阉割版的cuda，只有cuda运行时需要的动态链接库。

pytorch选择cuda的顺序

• 分为编译时的查找顺序和执行时的查找顺序
• 编译时的查找顺序由 torch/utils/cpp_extension.py的_find_cuda_home()决定。
• 执行的查找顺序由动态库的搜索路径决定

一、编译时的查找顺序

1、顺序总览

• （1）环境变量CUDA_HOME 或 CUDA_PATH
• （2）/usr/local/cuda
• （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）。

2、验证过程

验证过程可参考我的之前的文章一文讲清楚CUDA、CUDA toolkit、CUDNN、NVCC关系

3、编译pytorch时的使用过cuda版本

python -c "import torch;print(torch.version.cuda )"

pytorch可能不是在你的电脑上编译的，这个版本代表pytorch在编译时，使用过的cuda版本。
这时候，我们只在本地有相应版本的cuda动态链接库，就可以使用别人已经编译好的pytorch，非常方便。

4、当编译一个新程序，会使用的cuda版本

python -c "import torch.utils.cpp_extension; print(torch.utils.cpp_extension.CUDA_HOME)"

在很多时候，（比如安装apex，precious roipooling），我们需要使用cuda重新编译，这时候，我们需要的不仅仅是一个阉割版的cuda动态链接库，我们需要一个完整的cuda，以上的CUDA_HOME就是完整cuda的路径。

二、执行的查找顺序

1、执行的查找顺序由动态库的搜索路径决定，搜索so文件的顺序如下

• （1）gcc编译时指定的运行时库路径，如-rpath
• （2）LD_LIBRARY_PATH
• （3）/etc/ld.so.cache
• （4）/lib，/usr/lib等

2、conda的查找顺序

envname=my_env_pytorch17
objdump -x ~/miniconda3/envs/$envname/bin/python | grep RPATH
# out:
#   RPATH                $ORIGIN/../lib

可以看到，conda是通过（1）rpath的方式实现的，先去查找lib

ls ~/miniconda3/envs/$envname/lib/ | grep libcudart.so
# out:
# libcudart.so.10.2.89

可以看到，lib中包含一个libcudart.so.10.2.89，这就是安装的cudatoolkit，是10.2版本的。