如何操作Pytorch以适配不同版本的CUDA？

本文共计3701个文字，预计阅读时间需要15分钟。

由于课题的原因，作者主要通过Pytorch框架进行深度学习相关的学习和实验。在运行和学习网络上的Pytorch应用代码过程中，不少项目会标注作者在运行和实验时使用的Pytorch版本。

　　由于课题的原因，笔者主要通过 Pytorch 框架进行深度学习相关的学习和实验。在运行和学习网络上的 Pytorch 应用代码的过程中，不少项目会标注作者在运行和实验时所使用的 Pytorch 和 cuda 版本信息。由于 Pytorch 和 cuda 版本的更新较快，可能出现程序的编译和运行需要之前版本的 Pytorch 和 cuda 进行运行环境支持的情况。比如笔者遇到的某个项目中编写了 CUDAExtension 拓展，而其中使用的 cuda 接口函数在新版本的 cuda 中做了修改，使得直接使用系统上已有的新版本 cuda 时会无法编译使用。

　　为了满足应用程序和框架本身对不同版本的 cuda 的需求，(如上面遇到的问题中，即需要 Pytorch 能够切换使用系统上不同版本的 cuda ，进而编译对应的 CUDAExtension)，这里即记录笔者了解到的 Ubuntu 环境下 Pytorch 在编辑 cpp 和 cuda 拓展时确定所使用 cuda 版本的基本流程以及 Pytorch 使用不同版本的 cuda 进行运行的方法。　

cuda 与 cudatoolkit 的区别

　　在使用 Anaconda 安装 Pytorch 深度学习框架时，可以发现 Anaconda 会自动为我们安装 cudatoolkit，如下图所示。　　

　　

上述安装的 cudatoolkit 与通过 Nvidia 官方提供的CUDA Toolkit是不一样的。