一.cuda安装

1.确定当前平台cuda可以安装的版本
安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下：

Driver Version: 525.89.02 表明当前显卡驱动版本是525.89.02
CUDA Version: 12.0 表明当前的显卡驱动可以安装的cuda最高版本是12.0

二、nvidia 驱动和cuda runtime 版本对应关系

官网：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

从驱动和运行时的版本对应关系来看，版本为384.81的驱动程序 对应的 运行时版本是9.0，也就是说我们在python中安装cudatoolkit和cudnn程序包版本9.2是过高了。

因为系统中依赖GPU驱动的程序比较多，一般出现这种情况，我们都是更改cudatoolkit和cudnn程序包的版本。

于是，先卸载python中安装cudatoolkit和cudnn程序包：pip uninstall cudnn ； pip uninstall cudatoolkit

然后安装对应版本的cudatoolkit和cudnn程序包：pip install cudatoolkit=9.0；pip install cudnn

三、安装cudatoolkit,cudnn对应版本

安装cudatoolkit（针对服务器权限不能安装的情况）

conda search cudatoolkit --infoconda search cudnn --info

查看所有列出来的cudatoolkit的详细信息，包括版本号version，文件网址url，依赖项dependencies。

直接conda install cudatoolkit，通常下载安装包的速度很慢，当换源都不好使的时候，因而可以用上面给出的文件网址url来用下载工具去下载这个包，再去本地安装

依赖项dependencies：想要使用cudatoolkit，还需要安装什么才可以使用。

本地安装离线包的命令是：

conda install --use-local 包名

cudnn同理。

四、cuda11.2版本的对应安装的pytorch版本及安装

cu112，可安装cu111版本
访问官网：https://pytorch.org/get-started/previous-versions/
找到合适的版本的torch及torchvision、torchaudio

使用pip3安装

 pip3 install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

五、相关参考

Tensorflow与Python、CUDA、cuDNN的版本对应表
https://blog.csdn.net/ly869915532/article/details/124542362

使用虚拟环境conda安装不同版本的cuda，cudnn，pytorch
https://blog.csdn.net/qq_42537872/article/details/132322398?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-2-132322398-blog-131769640.235%5Ev38%5Epc_relevant_anti_t3_base&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-2-132322398-blog-131769640.235%5Ev38%5Epc_relevant_anti_t3_base&utm_relevant_index=5

Anaconda的python虚拟环境中安装cudatoolkit和cudnn加速tensorflow
https://blog.csdn.net/qq_33221533/article/details/131769640

NVIDIA驱动版本与CUDA版本对应关系
https://blog.csdn.net/qq_33401821/article/details/123246774