cuda多版本共存，个人用户装cuda，

CUDA版本查看与共存：

nvidia-smi指令下的CUDA版本和nvcc指令下的CUDA版本不同

是因为两个指令调出的CUDA版本显示不是同一个接口

nvidia-smi的CUDA是DriverAPI,由GPU driver installer安装

nvccd CUDAs runtimeAPI，由CUDA Toolkit安装

在运行代码的时候，使用的是nvcc的CUDA版本，也就是运行接口

多用户情况下更改cuda版本：

一般在主用户安装的时候，在/usr/local下会有对应的cuda文件，所以可以在个人用户下的.bashrc中设置:

export PATH="/usr/local/cuda-xx.x/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-xx.x/lib64:$LD_LIBRARY_PATH"

conda install 的CUDA Toolkit和cudnn：

conda安装的cuda是简化版的，一般可以满足深度学习所需，十分方便

但是下载源经常找不到文件。。。指定镜像源也不行。。。

 只下载成功了一个cuda toolkit ，没有安装cudnn成功过。。。

个人用户安装完整的CUDA：

在官网下载自己所需的完整的安装包，注意是runfile，也就是run格式的包

然后在自己想下载的目录下sh或者bash安装包：

输入accept后

 只选择Toolkit，进入options——Toolkit Options——Change Toolkit Install Path

输入自己有权限的、打算放的目录

 下面全部不选，Done回到前一个界面进入Library install path，输入库安装路径（建议和刚刚输入的安装路径一样）

 再返回主界面，选择install就可以了

在官网上下载对应cudatoolkit版本的cudnn包，然后解压复制到cuda安装路径include和lib下

之后在.bashrc上改路径到自己用户的安装路径就可以了

安装cudnn和设置路径请参考：cudnn安装

运行代码时cuda的执行顺序：

1.cuda的默认安装路径/usr/local/cuda（一般这个是软链接）

2.默认目录不存在的时候，搜索nvcc所在目录

3.nvcc不存在就搜索cudart库文件目录再去搜索CUDA_HOME， 一般就是conda install 的cuda

4.找不到就不用cuda了