Linux系统安装多个CUDA版本与切换，正常AI模型训练

一. 结论：

一个带显卡的环境系统能安装多个CUDA版本，但不能安装多个NVIDIA驱动版本，多个驱动版本会导致冲突，NVIDIA驱动能向下兼容CUDA版本，但不能向上兼容CUDA版本。

例如，一个系统已经安装好了CUDA11.4和对应的NVIDIA驱动，但又安装了CUDA11.8用于AI算法训练，此时AI算法训练使用的还是CUDA11.4，而不是CUDA11.8。（此时成功安装的CUDA11.8，并不是nvdia-smi显示的CUDA的版本号，而是CUDA Tookit对应的版本号）

**建议： **如果想要支持真正的多个CUDA版本切换，并且用于AI算法训练，需要安装一个较高版本的NVIDIA驱动和CUDA版本，这样系统中将要安装的多个 CUDA 版本就都能正常切换和运行了。

二. 上述结论原因：

这里涉及到nvidia-smi和nvcc的区别，以及不同CUDA版本对应不同的NVIDIA驱动版本。

2.1 nvidia-smi和nvcc的区别

（1）执行nvcc -V命令，显示是CUDA Tookit对应的版本号，是为了确保与您正在编译的CUDA代码兼容，不提供有关GPU的实时状态信息。

（2）执行nvidia-smi命令，显示是cuda的版本号（每个cuda版本对应了不同驱动版本），提供有关系统中NVIDIA GPU的实时状态信息。如果用于AI算法训练，关注的是nvidia-smi这个输出信息。

2.2 不同CUDA版本对应不同的NVIDIA驱动版本

以CUDA 11.4和CUDA 11.8为例，需要的驱动版本不同。如果安装了CUDA 11.8对应的驱动，那么既能支持CUDA 11.8， 也能支持CUDA 11.4; 反之则不行。

三. 解决方案：

3.1 安装新CUDA版本和NVIDIA驱动和cuDNN库

如果已经安装了NVIDIA驱动版本，先卸载旧驱动，再安装新CUDA对应的驱动，如果没有安装过NVIDIA驱动版本，可以直接安装新CUDA版本，它会自动安装对应的NVIDIA驱动。再安装cuDNN库。这块内容网上很多，可以百度或谷歌一下。

3.2 切换不同的CUDA版本（以CUDA 11.4和CUDA 11.8为例）

（1）用软链接的方式切换不同的CUDA版本

A. 执行vi ~/.bashrc， 写入CUDA 环境变量

# CUDA enviroment variable
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

再更新环境变量：

source ~/.bashrc

B. 删除原有软链接

# 假设以前安装的cuda-11.8
sudo rm -rf /usr/local/cuda

C. 新建软链接

# 假设cuda-11.4是新安装的cuda
sudo ln -s /usr/local/cuda-11.4 /usr/local/cuda

D. 执行nvidia-smi验证

（2）不用软链接方式

A. 执行vi ~/.bashrc，指定cuda版本以切换不同的CUDA版本

# cuda-11.4
#export PATH=$PATH:/usr/local/cuda-11.4/bin
#export CUDA_HOME=/usr/local/cuda-11.4
#export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH

# cuda-11.8
export PATH=$PATH:/usr/local/cuda-11.8/bin
export CUDA_HOME=/usr/local/cuda-11.8
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH

再更新环境变量：

source ~/.bashrc

再执行nvidia-smi验证。