多cuda 共存

主要参考的是这篇
Windows下CUDA多版本共存_花花少年的博客
我原来的cuda 是10.0，然后准备再下一个11.3的

驱动更新

（先更新驱动，因为我旧的驱动支持的版本cuda不多）
一般安装cuda是小于等于 nvidia-smi 出来的CUDA Version版本
CUDA与显卡驱动没有对应关系，更新显卡驱动到最新版本即可
驱动更新 点这里看具体
如图，更新后能支持安装低于12.1的任意cuda版本

cuDNN与CUDA版本要对应
CUDA是NVIDIA推出的用于自家GPU的并行计算框架，CUDA的本质是一个工具包（ToolKit）
cuDNN是一个SDK，是一个专门用于神经网络的加速包。
查看本机目前已经安装的cuda

cuda 相关安装

cuda 安装

准备安装cuda11.3
cuda-toolkit 下载地址
下载所需版本cuda 我选择的11.3

根据自己电脑系统选择选项

下载好后 右键以管理员身份运行

--------------出现上图错误，关闭360之类软件再运行---------------------------

安装时 只勾选CUDA ，因为自己的组件版本高于所需版本，满足要求。
CUDA选项内的Visual Studio Integration取消勾选

cudnn安装

上述安装完成后再安装cudnn
https://developer.nvidia.com/rdp/cudnn-download
cudnn 解压后全部复制到安装cuda 的根目录
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.3 下（根据自己安装目录选择）复制的几个文件自动会加入到同名文件。

可以查看系统变量下自动添加了路径

路径配置将下面四个路径添加到系统变量——Path 中 并保存

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp

切换CUDA版本时，只需要切换环境变量中CUDA的顺序即可，比如让CUDA11.3生效，则CUDA11.3环境变量在CUDA10.0之前

命令窗口查看当前使用cuda版本

Path 中将想用的cuda 的几个相关路径放前面，如用10.0，将10.0 放前面

命令窗口 查看当前cuda 版本 。（记得打开新的命令窗口 输入命令，用更换前打开的命令窗口看 不会 显示更换的cuda）

torch 相关安装(torch，torchvision，torchaudio)

选择合适版本 安装GPU版torch。注意一定要下载对应版本！
torch离线安装 下载地址
确认CUDA型号与python版本，在上面的网址下载GPU版torch

torchvision，torchaudio 下载
torchvision，torchaudio 下载地址
下载好的几个文件

安装torch 等先建立一个python环境，我已建立好python38 环境
没建立可以通过 命令在Anaconda 命令窗口建立

cd 到放torch安装文件的目录 （我的放桌面了 ）
pip install torch-…(可输入前几个字母，按Tab键自动补全)

剩下的torchvision，torchaudio 同样安装


安装完成
查看torch版本，cuda是否可用，GPU数目个数，目前当前的GPU

安装完成，查看torch版本，cuda是否可用，GPU数目个数，目前当前的GPU

如果在pycharm 中使用时 发现cuda 版本还没变化，可重启电脑再查看。