Windows下CUDA多版本共存

一、 参考资料

tensorflow各个版本的CUDA以及Cudnn版本对应关系

windows下同一个显卡配置多个CUDA工具包以及它们之间的切换

CUDA、CUDNN在windows下的安装及配置

二、相关介绍

2.1 问题引入

由于tensorflow的版本与CUDA版本是严格匹配的，所以在开发过程中，经常遇到CUDA版本的问题，安装多版本CUDA是必不可少的。本文介绍了多版本CUDA自由切换的方法，亲测有效。

tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status:
 CUDA driver version is insufficient for CUDA runtime version

错误原因：
CUDA版本与驱动版本不匹配

解决办法：
安装当前驱动支持的CUDA版本。

2.2 重要说明

1. CUDA与显卡驱动没有对应关系，更新显卡驱动到最新版本即可，显卡驱动下载地址。
2. cuDNN与CUDA版本要对应。
3. CUDA是NVIDIA推出的用于自家GPU的并行计算框架，CUDA的本质是一个工具包（ToolKit）。
4. cuDNN是一个SDK，是一个专门用于神经网络的加速包。
5. 安装CUDA过程中会绑定安装显卡驱动（默认），因为CUDA Toolkit安装包内含对应版本Nvidia显卡驱动，则取消勾选显卡驱动，只安装CUDA Toolkit即可。

三、具体步骤

1. 安装CUDA参考文章 CUDA、CUDNN在windows下的安装及配置。
2. 多版本共存的前提是已经安装了CUDA，小编已经安装了CUDA10.1。
   
3. 下载CUDA11.1安装包，下载对应的cuDNN。
4. 自定义安装CUDA11.1，勾选选项。当前版本比新版本新时，取消勾选。
   
   
   
   
5. 配置cuDNN。
6. 配置环境变量。
   CUDA10.1是之前安装的，CUDA11.1是之后安装的，所以默认CUDA10.1的环境变量在CUA11.1之前，CUDA_PATH环境变量被CUDA11.1覆盖。
   

7. 切换CUDA版本时，只需要切换环境变量中CUDA的顺序即可，比如让CUDA11.1生效，则CUDA11.1环境变量在CUDA10.1之前。

8. 查看切换版本是否生效。

9. 如果要切换回CUDA10.1，在环境变量中，将CUDA10.1调在CUDA11.1之前即可。

10. 查看切换版本是否生效