我正在Ubuntu 16.04上使用Conda。我的目标是将每个Conda环境与特定版本的CUDA / cuDNN相关联。我环顾四周，发现这个有趣的https://github.com/jupyter/notebook/issues/4332，它基本上建议将不同的CUDA版本放入不同的文件夹中，然后使用特定于环境的bash脚本（在激活环境时运行）来正确设置PATH / LD_LIBRARY_PATH变量（用于创建与CUDA版本的关联）。 很好，但是当我尝试使用Conda安装诸如pytorch之类的框架时，它迫使我也安装了“ cudatoolkit”软件包。 因此，有几个问题：
1）下载cudatoolkit是否会破坏我以前的CUDA配置？将使用哪个版本？
2）如果可以使用Conda安装“ cudatoolkit”和“ cudnn”，为什么不仅仅使用conda来完成所有操作？为什么还要应用上述文章的说明？
谢谢。
答案 0 :(得分：2)
作为第一个问题的答案，不，下载并安装另一个CUDA工具包不会破坏其他配置。在CUDA工具包安装程序中，您可以指定安装目录，因此只需选择适合您的CUDA版本独有的工具即可。这不会影响任何当前安装的CUDA版本。 Pytorch安装将在CUDA_HOME环境变量以及“ / usr / local / cuda”（默认CUDA工具包安装目录）中查找该变量，因此只需更改此环境变量即可。
我不能说第二部分。也许使用Conda的安装将使用CUDA工具包的默认安装目录（似乎很愚蠢，但这只是推测）。