不同conda环境切换不同的CUDA版本

不同conda环境切换不同的CUDA版本

引用

CSDN

1.

https://blog.csdn.net/weixin_42999968/article/details/139326838

在深度学习和AI开发中，经常需要在不同的项目中使用不同版本的CUDA。本文将介绍如何在没有root权限的情况下，通过创建env_vars.sh文件来实现不同conda环境使用不同CUDA版本的需求。需要注意的是，由于CUDA和conda的版本可能会更新，因此在实际操作时需要根据自己的具体环境进行调整。

原因

由于服务器中安装了两个版本的CUDA（CUDA10.1和CUDA11.1），不同项目可能需要应用不同的CUDA版本，但是自己又没有root权限或者只想在使用指定conda环境时改为用指定的CUDA版本。总结起来有三种方法：

1. 修改软链接指向，但是这样会使得所有环境以及所有账户的CUDA版本都改变，会影响其他人（强烈不推荐）
2. 修改 ~/.bashrc 文件（修改方法见“不同Linux账户切换不同的CUDA版本”），这样不会改变其他账户的CUDA版本，但是自己账户下的所有conda环境都会改变CUDA版本，有时候不同conda环境安装的torch版本不一样，用到的CUDA版本也可能不一样。（不太推荐）
3. 增加 env_vars.sh 文件 （修改方法见“不同conda环境切换不同的CUDA版本”）。这样修改则是不同的conda环境使用的CUDA版本不一样（强烈推荐）。

下面介绍方法3的修改

修改步骤

1. 查看默认的CUDA版本

一般而言，默认会在 /usr/local/ 下面创建一个软链接，指向某个CUDA版本。

cd /usr/local
ls -al

这将显示当前的CUDA版本软链接。例如，如果输出显示CUDA指向的是10.1版本，那么默认CUDA版本就是10.1。

我们来验证一下是不是所有的项目都默认采用CUDA10.1编译器。

• SAM环境中为CUDA，（即指向CUDA10.1）
• YOLOv5环境中为CUDA，（即指向CUDA10.1）

2. 创建 activate.d 目录和 env_vars.sh 文件

用下面命令创建 activate.d 目录，注意 activate.d 是文件夹，不是文件。$CONDA_PREFIX 表示获取当前conda环境路径。

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
vim $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

在 env_vars.sh 文件中添加以下代码，并保存。这里以将默认的CUDA软链接路径改为CUDA11.1为例，根据你自己的CUDA版本自行修改：

#!/bin/bash
export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

确认是否创建好了 env_vars.sh 文件。

3. 验证是否切换成功

创建好了 env_vars.sh 文件后，必须重置环境才能生效。可以通过以下方式之一来实现：

• source ~/.bashrc
• 切换到其他环境，再切换回来

验证切换结果：

• YOLOv5环境的CUDA版本切换成功。
• SAM环境的CUDA版本保持不变。

大功告成

4. 顺便提一句（torch编译时的CUDA版本和运行时的CUDA版本）

上面的 torch.utils.cpp_extension.CUDA_HOME 是运行时用到的CUDA版本

torch.version 显示的是编译时用到的CUDA版本