1. Pytorch 使用不同版本的cuda的方法步骤
Pytorch 的运算是通过 CUDA 提供的 GPU 并行计算来实现的。为了方便不同的用户使用，Pytorch 支持不同版本的 CUDA，并且在安装时可以自动匹配 CUDA 版本。如果你想使用不同版本的 CUDA，需要手动配置一些参数来实现。接下来，我们将介绍 Pytorch 使用不同版本的 CUDA 的详细步骤。
1.1 安装对应版本的 CUDA
首先，你需要在系统中安装对应版本的 CUDA。你可以前往 NVIDIA 官网下载 CUDA 包并按照对应的步骤进行安装。假设你已经通过以下命令安装了 CUDA 9.0：
# Install CUDA 9.0
wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux.run
sudo sh cuda_9.0.176_384.81_linux.run
1.2 安装对应版本的 cuDNN
如果你想使用 CUDA 来加速 Pytorch，那么你还需要安装对应版本的 cuDNN。cuDNN 是一个 CUDA 加速的深度神经网络库，用来加速卷积运算和循环神经网络。
假设你已经下载了 cuDNN 7.0.5，那么你可以通过以下命令安装 cuDNN：
# Install cuDNN 7.0.5
tar -xzvf cudnn-9.0-linux-x64-v7.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/
sudo chmod a+r /usr/local/cuda-9.0/lib64/libcudnn*
1.3 配置环境变量
为了让 Pytorch 使用不同版本的 CUDA，你需要配置一些环境变量，让系统知道你想使用哪个版本的 CUDA。具体来说，你需要添加以下环境变量：
export CUDA_HOME=/usr/local/cuda-9.0
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
这里假设你想使用 CUDA 9.0。
1.4 安装 Pytorch
最后，你需要安装 Pytorch，并在安装时指定使用哪个版本的 CUDA。具体来说，你需要在安装命令中添加 -c pytorch，并指定对应的 CUDA 版本。
# Install Pytorch with CUDA 9.0
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
现在，你已经成功配置了 Pytorch 使用 CUDA 9.0。