有时候有的项目要求很苛刻，有的需要CUDA>9.0，有的又要CUDA>10.0…无可奈何只能安装多个CUDA

环境配置

CUDA9.2，cuDNN7.1.4

想了解如何配置正确的环境，避免包版本的冲突，可以到这里了解一下conda下载各种包时如何避免版本不匹配问题

CUDA下载安装（已存在一个）

gpu版pytorch安装教程，这里讲解了如何安装CUDA，如果我们想再装一个不同版本，继续看下去…

CUDA下载直达链接找到自己想要装的版本，之前我装了个CUDA 10.1，现在要装CUDA9.2
默认大家已经会装CUDA了，细节我不复述了，如果还有不明白的可以去看上面那个GPU版本的pytorch安装教程，里面详细讲述如何装CUDA。

下载完双击安装…还是选择自定义安装啊，到这里只勾选CUDA就行了。否则你下的CUDA如果比你已有的版本低，这些就会给你降级了。

同样记住下目录，我猜这些目录你不会陌生…

cuDNN下载安装

cuDNN下载直达链接

cuDNN步骤一模一样，还是把解压缩出来的文件复制到CUDA安装目录下对应的地方。你会发现cuDNN7.1.4的东西比8.0.4的少很多…不用担心，正常~~~

环境变量配置

因为我们之前只装了一个CUDA，所以每条路径只设置一个就行了，现在多了一个CUDA，要加以区分
相当于一式两份，细心就好…

在Path里面同样一式两份…

测试

重启电脑！！！
重启电脑！！！
重启电脑！！！

然后你能看到这么多环境变量…

最后分别对v10.1（原来的版本）和v9.2分别测试，看到4个Result = PASS(一个版本测两次)，恭喜你！！！

不同版本的CUDA使用时不需要手动切换，只要环境变量PATH中有相应的CUDA路径即可。在运行项目，需要用到CUDA时会自动在环境变量中寻找合适的CUDA版本，直到找到为止，如果没有，则会报错。

收藏加点个赞呗~~~

参考https://blog.csdn.net/qq_27825451/article/details/89135592