关于cuda驱动版本以及cuda运行版本不匹配的问题

前言

运行之前运行没有报错过的基于tf1.13.1的程序，报错：CUDA driver version is insufficient for CUDA runtime version
网上搜索了一下，是因为cuda的驱动版本与cuda的运行版本不匹配导致的。后面询问，原来是组里其他人在全局进行了操作，导致此项问题出现。

关于cuda驱动版本与运行版本

在命令行中输入：nvidia-smi，在右上角会出现Driver Version:384.130，此为cuda驱动版本。而cudatoolkit以及cudnn为运行版本，查看请输入conda list

---

以下是网上搜索到的运行版本与驱动版本对应的列表：
运行时版本 驱动版本
CUDA 9.1 387.xx
CUDA 9.0 384.xx
CUDA 8.0 375.xx (GA2)
CUDA 8.0 367.4x
CUDA 7.5 352.xx
CUDA 7.0 346.xx
可以看到，如果通过conda list（查看本环境下已安装的包）看到的cuda运行版本为10.0的话，是不匹配Driver Version:384.130的，实际上，应该匹配运行版本为9.0的cudatoolkit。
要注意的是，在使用conda新建一个虚拟环境后，使用conda install tensorflow或者pytorch的时候，是会自动给你安装cudatoolkit以及cudnn的，但是版本不一定匹配。这里注意看安装的时候，会有具体文字显示的。
运行报错之后，我试着重新创建一个完全全新的虚拟环境，试图运行，仍旧出错。

解决

此时，使用conda uninstall cudnn以及conda uninstall cudatoolkit删除这两个文件，再安装指定的匹配版本即可。
使用：conda install cudatoolkit=9.0，然后就y继续即可。这里没有再conda install cudnn，因为上一个指令顺带地将cudnn安装了，如果使用pip可能需要多安装以下cudnn。
之后使用conda list查看：

呀，这时候的运行版本与驱动版本就匹配上了，重新运行以下tf程序（此时已经将tf1.13.1的版本换成新建的1.10版本），发现未报错，正常运行。如果此时换回1.13.1应该也是没问题的。
参考：https://blog.csdn.net/li57681522/article/details/82491617