ubuntu中pytorch安装及CUDA版本兼容问题记录

pytorch是目前主流的深度学习框架之一，在安装pytorch时经常会遇到版本不兼容等问题。下面对pytorch安装进行一些记录和分享，如有不准确的地方，欢迎评论区指出。

1 相关概念

• 显卡驱动：显卡驱动的版本决定了我们电脑中安装的cuda版本的上限，因此，一般建议显卡驱动的版本安装的高一些，在linux终端中通过下面的命令可以查看：
• watch -n 1 nvidia-smi
  
• cuda和cudnn：安装完显卡驱动之后就需要安装cuda和cudnn，cuda和cudnn是存在版本对应的，可以在ubuntu中安装多个版本的cuda，使用软链接进行切换，也可以在配置文件.bashrc中修改cuda路径进行切换，但是需要注意的是所安装的cuda版本不能超过显卡驱动所支持的cuda最高版本。

2 pytorch安装

pytorch的安装直接去pytorch官网查找对应的版本进行安装即可，可以安装cpu和gpu两个版本，通常都是安装gpu版本。
安装pytorch的命令有pip和conda两种方式，那pip和conda这两种方式有什么区别呢？实际上，选择pip安装，就意味着我们安装的pytorch是依赖于电脑本地的cuda的，也就是上面概念中提到的，而在虚拟环境中是不会安装对应的cuda的。而conda命令安装pytorch就会在虚拟环境中安装cuda，即命令中的cudatoolkit，这意味着安装的pytorch是依赖虚拟环境中的cuda的，而不会去使用本地的cuda。对于较老的版本，conda命令安装只会安装对应的cuda，而不会安装cudnn，这就需要我们手动安装cudnn，conda install cudnn==对应版本。