我在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article，它基本上建议将不同的CUDA版本放入不同的文件夹，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（创建与CUDA版本的关联）。这很好，但是当我尝试使用Conda安装pytorch等框架时，它迫使我安装“cudatoolkit”包。所以，有几个问题：
1）下载cudatoolkit会破坏我以前的CUDA配置吗？将使用哪个版本？
2）如果使用Conda可以安装“cudatoolkit”和“cudnn”，为什么不只是使用conda一切？为什么甚至需要应用上述文章的说明？
谢谢。
作为第一个问题的答案，不，下载和安装另一个CUDA工具包不会搞砸其他配置。从CUDA工具包安装程序中，您可以指定一个安装目录，因此只需选择适用于该CUDA版本的任何内容。这不会影响任何当前安装的CUDA版本。 Pytorch安装将查找CUDA_HOME环境变量以及'/ usr / local / cuda'（默认的CUDA工具包安装目录。），因此只需要更改此环境变量。
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（看起来很傻但这只是推测）。