解决问题：当我们运行不同的代码时，可能会用到不同版本的Pytorch/Tensorflow，不同版本的Pytorch/Tensorflow在使用GPU时，对应不同的CUDA版本，这时候就需要安装不同的CUDA版本。

在系统中安装多个版本的CUDA，比较麻烦，这时候就可以在虚拟环境里面直接安装CUDA。

• 创建虚拟环境

conda create -n name python=3.X

• 激活虚拟环境

source activate name

• 安装Pytorch/Tensorflow的GPU版本
• 按照官网对应的安装对应版本的CUDA和cudnn

# 安装CUDA
conda install cudatoolkit=11.0 # 指定版本
# 安装cudnn，如果不指定版本，在安装CUDA之后，会自动匹配对应版本的cudnn安装
conda install cudnn=7.3 # 指定版本

这里是指定搜索包的路径，速度会更快

# 安装CUDA
conda install cudatoolkit=11.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
# 安装cudnn
conda install cudnn=7.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

安装之后的 CUDA 和 cudnn 会存放在虚拟环境的 lib 文件夹 或者 include 文件夹里面。

• 验证是否安装成功

# Pytorch
import torch
print(torch.cuda.is_available())

# Tensorflow
import tensorflow as tf
print(tf.test.is_gpu_available())