cuda nvcc版本不一致_深度学习环境搭建(二): Ubuntu不同版本gcc，CUDA，cuDNN共存，切换解决方案...

在学习DL中，复现经典论文是很好的学习方式，但是论文和代码通常是数年前发布的，用最新版本的框架、编程语言和编译器等，无法与之前的论文代码兼容。

安装旧版本的包及编程语言可以通过conda虚拟环境实现，但是安装不同版本gcc、CUDA、cuDNN实现共存和切换则比较复杂，经历了多次系统崩溃，重装系统，踏过许多天坑（浪费超多时间）, 特此总结记录一下。

文章结构大致如下：

一、创建虚拟环境

二、安装不同版本的gcc, g++

三、配置不同CUDA、cuDNN

---

一、创建虚拟环境

通常可以为一篇文章或项目配置一个单独的虚拟环境，推荐使用conda。查看文章的github或者主页，可以获得python的版本。

conda 

使用该命令创建一个名为Alexnet的虚拟环境，并指定python版本为2.7

二、安装不同版本的gcc, g++

查看官方或别人复现的文档，也可以查看使用的深度学习框架的版本。以tensorflow为例，明确需要的版本后，前往 GPU支持 查看tensorflow版本对应的gcc版本。

以安装tensorflow_gpu-1.14.0为例，则需要gcc-4.8和CUDA10.0, cuDNN7.4（文章后面安装中均使用该方案）。

gcc --version #查看当前版本的gcc

可以看见当前gcc版本为7.5.0, 我们希望在降级的同时，也保存原版本，随时切换，这样跑新代码和旧代码都很方便。

1.安装低版本的gcc,g++

sudo apt-get install gcc-4.8
sudo apt-get insta