我在 Ubuntu 16.04 上使用 Conda。我的目标是将每个Conda环境与CUDA/cuDNN的特定版本相关联。我环顾四周，发现了这篇有趣的文章，它基本上建议将不同的 CUDA 版本放入不同的文件夹中，然后使用特定于环境的 bash 脚本(在激活环境时运行(来正确设置 PATH/LD_LIBRARY_PATH 变量(创建与 CUDA 版本的关联(。这很好，但是当我尝试使用 Conda 安装诸如 pytorch 之类的框架时，它会迫使我也安装"cudatoolkit"包。所以，有几个问题：
1( 下载 CUDATOOLKIT 会搞砸我以前的 CUDA 配置吗？将使用哪个版本？
2(如果使用Conda可以安装"cuda工具包"和"cudnn"，为什么不直接使用conda呢？为什么甚至需要应用上述文章的说明？
谢谢。
作为第一个问题的答案，不，下载和安装另一个 CUDA 工具包不会弄乱其他配置。从 CUDA 工具包安装程序中，您可以指定一个安装目录，因此只需选择该 CUDA 版本独有的适合您的任何目录。这不会影响任何当前安装的 CUDA 版本。Pytorch 安装将查找CUDA_HOME环境变量以及"/usr/local/cuda"(默认的 CUDA 工具包安装目录(，因此需要更改的只是这个环境变量。
我不能说第二部分。也许使用 Conda 的安装将使用 CUDA 工具包的默认安装目录(看起来很愚蠢，但这只是猜测(。