选择哪个版本的CUDA？

参考的https://zj-image-processing.readthedocs.io/zh_CN/latest/pytorch/cuda/%E5%AE%89%E8%A3%85%E5%93%AA%E4%B8%AA%E7%89%88%E6%9C%AC%E7%9A%84CUDA/

问题
最近在做课程的综合设计，方向是nlp，打算搞一下中文文本摘要相关的内容，想着跑一下https://github.com/qingkongzhiqian/GPT2-Summary这个例子，装好环境后，一直报“段错误（核心已转储）”之类的错误，一开始还以为是自己的显卡太拉跨了。。。没想到是CUDA版本出了问题。。
解决办法
装正确版本的CUDA!
版本选择
在终端输入
nvcc --version

可以看到CUDA版本为10.2，所以对应的
conda install pytorch torchvision cudatoolkit=10.2
需要安装10.2版本的cudatoolkit。
最后果然跑通了模型！！！
4. 最后说一下CUDA的两个版本

注：

• 安装后通过下面的代码，在Python命令行模式下执行，检测是否版本是否对应可用

import torch

print(torch.__version__)  # 查看torch当前版本号

print(torch.version.cuda)  # 编译当前版本的torch使用的cuda版本号

print(torch.cuda.is_available())  # 查看当前cuda是否可用于当前版本的Torch，如果输出True，则表示可用

可以看到nvcc -v 和 nvidia-smi 两个对应的CUDA版本并不一样，其实是因为CUDA 有两种API，分别是 运行时 API 和 驱动API，即所谓的 Runtime API 与 Driver API。 nvidia-smi 的结果除了有 GPU 驱动版本型号，还有 CUDA Driver API的型号，这里是 10.0。而nvcc的结果是对应 CUDA Runtime API。
而我们安装的时候，要和nvcc的保持一致。

参考：

• https://www.cnblogs.com/csbiao/p/13832546.html
• https://www.zhihu.com/question/378419173