使用虚拟环境conda安装不同版本的cuda，cudnn，pytorch

背景：在学习深度学习时，我们不可避免的需要跑多个神经网络，而不同的神经网络环境都不一样，所以必须要使用到虚拟环境(如conda)去做环境隔离，安装属于自己的环境。在这环境中，大多神经网络都必须要用到cuda，cudnn。不同的神经网络需求版本不同，所以也需要另行安装，这与前面一篇文章pip安装包的方式还不太一样。

一.cuda安装

1.确定当前平台cuda可以安装的版本

安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下：

Driver Version: 525.89.02 表明当前显卡驱动版本是525.89.02
CUDA Version: 12.0 表明当前的显卡驱动可以安装的cuda最高版本是12.0

2.conda环境中安装cuda(cudatoolkit)

注意：我所使用的深度学习框架是pytorch，pytorch与cuda，cuda与cudnn之间的版本都有明确的对应关系，所以需要先确定pytorch的版本。

2.1 根据pytorch版本确定cuda和cudnn的版本

例如，我使用的pytorch版本是1.11.0。

• 那么首先就可以去官方网站上，找cuda版本对应关系。如下图：
  
  可以看到，pytorch==1.11.0版本对应的cuda可以是11.3或者10.2（GPU时）
• 其次，我们在根据cuda的版本去确定cudnn的版本。
  如下图，加入我们安装cuda 11.3，那么可以对应找到可以安装cudnn的资源(有多个可以适用)。
  

2.2 安装cuda

注意，此时我们已经使用conda，去激活了某一个虚拟环境。(安装了conda后，使用conda create -n xxx python==xxx和conda activate xxx 去激活xxx环境)

如一中的2.1确定的cudnn版本，然后可以使用conda来搜索仓库有哪些cudnn的版本可以安装。

# 查看都有哪些版本
conda search cudatoolkit

如果刚好有满足要求的版本，直接使用如下语句安装即可。

conda install cudatoolkit==(指定版本)

第一条命令可以查看用来安装cudatoolkit的所有版本都有哪些。

在conda环境中，可以直接用conda装cuda和cudnn，缺点是conda源中没有全部版本的cuda和cudnn，并且下载速度会比较慢，可以考虑换源。

---

如果换源速度也不行，那么可以考虑如下方案：

conda search cudatoolkit --info
# 查看所有列出来的cudatoolkit的详细信息，包括版本号version，文件网址url，依赖项dependencies。
# 直接conda install cudatoolkit，通常下载安装包的速度很慢，当换源都不好使的时候，因而可以用上面给出的文件网址url来用下载工具去下载这个包，再去本地安装
# 依赖项dependencies：想要使用cudatoolkit，还需要安装什么才可以使用。

本地安装离线包的命令是：

conda install --use-local 包名

如果没有满足要求的版本，那么只能去官网下载包，进行离线安装

注意：此处没有深入了解，即使装成功了，这个虚拟环境应该还需要设置环境变量才能使用，但是我暂时还不会。一般conda搜索出来的就能满足需求了。

二.cudnn安装

如一中的2.1确定的cudnn版本，然后可以使用conda来搜索仓库有哪些cudnn的版本可以安装。

# 查看都有哪些版本
conda search cudnn

1.如果刚好有满足要求的版本，直接使用如下语句安装即可。

conda install cudnn==(指定的版本)

2.如果没有满足要求的版本，那么只能去官网下载包，进行离线安装

安装命令：

conda install --use-local 本地cudnn包所在的路径

也可以复制想要安装版本的cudnn的下载地址，使用wget链接地址进行下载

三.测试安装cuda，cudnn是否成功

在虚拟环境中安装完cuda和cudnn想要测试是否安装成功，不能使用nvcc -V命令测试，需要在虚拟环境中安装pytorch包进行测试
装好pytorch后，命令行输入python，进入python的命令行，导入torch包

• 查询cuda版本

print(torch.version.cuda)

• 查询cudnn版本

print(torch.backends.cudnn.version())

注意：现在的pytorch官网介绍的安装命令附带了下载和安装cuda，但是没有附带cudnn，所以还需要额外安装cudnn(但是发现，跑一些开源网络的时候，按照他的步骤走，pytorch和cuda是分开安装的，不晓得为什么，所以才有上面的内容)。

参考文章：
https://blog.csdn.net/LIWEI940638093/article/details/113811563
https://blog.csdn.net/qq_43705697/article/details/121618276