[高血压治疗仪] 不同版本的torch及其对应版本CUDA的安装教程

　　本文参考了：https://blog.csdn.net/xiqi4145/article/details/110254093

　　众所周知，torch的环境配置是诱发人类高血压的重要病因。

　　本文作者作为一名自身病友，久病成（庸）医。发布此文来解决在一台计算机（的多个虚拟环境）上安装多个版本的pytorch的病痛。

　　需要说明的是：

　　1 不同的torch需要不同的cuda版本。

　　2 一台计算机上可以安装多个版本的cuda，并可以通过PATH指定使用哪一个（后文细说）

　　安装步骤如下：

　　1 打开 https://pytorch.org/get-started/previous-versions/ 寻找你想要的torch版本。

　　比如使用torch==1.2.0，可以找到：

　　v1.2.0

　　Conda OSX

　　Linux and Windows

　　Wheel OSX

　　Linux and Windows

　　可以使用pip下载。

　　我更常用的是用conda下载。但是如果用的channel是torch，经常会出现anaconda提示包找不到的情况。

　　这里的cudatoolkit的版本需要和本地的nvcc -V的版本（也就是cuda的版本）一致（第4步阐述如何调节nvcc -V的版本），否则训练时候会报错： RuntimeError: cuDNN error: CUDNN_STATUS_EXECUTION_FAILED

　　2. 如果使用conda下载的话，需要更换国内的channel，输入以下命令：

　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

　　conda config --set show_channel_urls yes

　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/

　　3. 输入 （去掉-c pytorch）。就可以安装cudatoolkit和torch了。这样下载的速度也很快。

　　4.配置nvcc -V的版本（也就是cuda的版本）

　　首先需要下载torch需要版本的cuda。具体方法可以百度。

　　接着讲述如何调节使用不同版本的cuda。

　　方法一：

　　在窗口中输入想要的版本的cuda的安装的路径：

　　export CUDA_HOME=/mnt/lustre/share/cuda-9.2/

　　export PATH=$PATH:/mnt/lustre/share/cuda-9.2/bin/

　　仅限于对此窗口有效，窗口关闭后就失效。而且这样仅仅会添加PATH，不会修改原来有的PATH。因此在我机器上这个方法依然不能改变nvcc -V的版本。

　　方法二：

　　改变~/.bashrc

　　将原来的CUDA_HOME和PATH改为：

　　export CUDA_HOME=/mnt/lustre/share/cuda-9.2/

　　export PATH=$PATH:/mnt/lustre/share/cuda-9.2/bin/

　　然后source ~/.bashrc。

　　然后重新开一个窗口。

　　想要查看修改之后的CUDA_HOME和PATH，可以使用export命令即可。还可以用nvcc -V查看cuda版本。

　　注意：如果使用tmux，建议新开一个session。要不然可能也会出现PATH没有删除仅仅增加的情况。

　　另外据引用的网页所说，torch.version.cuda输出的 cuda 的版本并不一定是 Pytorch 在实际系统上运行时使用的 cuda 版本，而是编译该 Pytorch release 版本时使用的 cuda 版本。

　　想要查看 Pytorch 实际使用的运行时的 cuda 目录，可以直接输出之前介绍的 cpp_extension.py 中的 CUDA_HOME 变量。

　　import torch import torch.utils import torch.utils.cpp_extension torch.utils.cpp_extension.CUDA_HOME #输出 Pytorch 运行时使用的 cuda