cuda，显卡，pytorch三者配置相关知识--学习笔记

1. 系统的Nvidia Driver决定着系统最高可以支持什么版本的cuda和cudatoolkit，Nvidia Driver是向下兼容的（数据可能会更新，请查看：Release Notes :: CUDA Toolkit Documentation (nvidia.com)）：
2. 使用nvidia-smi指令查看Nvidia Driver的版本：（由下图可知我的版本是470.82.00，所以应该对应11.4版本）
3. cuda和cudatoolkit不同，前者说的是系统安装的cuda，它是由Nvidia官方提供的（/usr/local/cuda就是系统安装的cuda的软链接），这与我们要安装的pytorch几乎没有什么关系。后者是anaconda官方提供的用来build pytorch的一个工具包，它是Nvidia所提供的cuda的一个子集。
4. pytorch相关：
   1. pytorch和cudatoolkit版本并不是一一对应的关系，一个pytorch版本可以有多个cudatoolkit版本与之对应。例如1.5.1版本的pytorch，既可以使用9.2版本的cudatoolkit，也可以使用10.2版本的cudatoolkit。
   2. 只指定pytorch版本来安装不一定是能work的，例如执行conda install pytorch=X.X.X -c pytorch时，conda会自动为你选择合适版本的cudatoolkit。但conda只能保证你的pytorch和cudatoolkit版本一定是对应的，但并不能保证pytorch可以正常使用，因为系统的Nvidia Driver有可能不支持你所安装的cudatoolkit版本。
   3. 除非你对你的Nvidia driver版本很有自信，否则，还是先查看系统Nvidia Driver的版本，并在上方图表中查询最高支持的cudatoolkit版本，然后指定cudatoolkit版本来安装pytorch吧。例如系统的Nvidia Driver版本为470.82.00，查询到最高支持cudatoolkit版本为11.4，则可以使用

      pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu114

      命令安装pytorch。
5. 下载cuda toolkit的官网网址：https://developer.nvidia.com/cuda-downloads
6. cuda版本： 
   1. 查看cuda版本（取决于路径中包含什么）：
      1. 输出当前的默认路径，如果CUDA安装没问题的话，会看到类似cuda/bin的路径
      2. 或者直接打开配置文件查看：

         vi .bashrc

      3.  使用指令查看软连接（即真正的cuda目录）：
         1. 如果电脑里有多个CUDA（比如上图中我就有10.2和11.8两个版本），哪个路径在系统默认路径，哪个就是当前在使用的版本。默认路径就是输入命令后，系统去哪里找要执行的东西。
      4. 快速查看的方法：

         nvcc -V

          

   2. nvidia-smi的cuda版本大于等于你要安装的cuda版本就不会出问题，且你的实际cuda版本以nvcc为准。
   3. 切换CUDA版本实际上就是修改路径中的CUDA目录。
   4. CUDA在大版本下向下兼容。比如装了CUDA11.5，它支持CUDA11.0-CUDA11.5的环境，但不支持CUDA10.2。所以选版本的时候直接选符合要求的大版本的最新版就行，比如10.2, 11.6。（所以虽然我的机器实际需要的是11.4，但目前实际是11.8也是可以的）
   5. 30系不支持直接使用CUDA10
   6. 更改cuda版本后nvcc -V依然显示更改前的版本解决办法：该环境变量，还是一样的，实际cuda以环境变量路径为准。
   7. nvidia-smi和nvcc --version出来的版本不一致：
      1. 这主要是因为，CUDA有两个主要的API：runtime(运行时) API和driver API。
      2. 根据runtime cuda版本选择tf/torch/dgl等对应的cuda版本，即以nvcc -v 得到的版本为准