前言：使用系统Ubuntu16.04，之前折腾了NVIDIA驱动和cuda，顺利完成安装。最近因为要用pytorch，由于可能需要使用不通版本的语言或框架，所以考虑为了日后环境管理方便，安装了anaconda3，并基于此来安装pytorch，安装过程遇到的一些问题，在此记录解决的过程和思路：
本人主要遇到的问题：
1.安装anaconda3时在可以访问anaconda的官网，但是下载时，没有速度或速度太慢，下不动
2.安装pytorch时，官网上最新版本需要的cuda版本太高，硬件不支持，安装过程中下载环节网络连接不通
3.pytorch安装成功了，安装时明明设置了对应的cuda版本，但是运行torch.cuda.is_available()时始终返回False，cuda不可用
PS：一个可能普遍存在的问题，大部分人都不可能保持自己的机器硬件设备或驱动都是最新的，各种软件包版本都是最新的，有些源码也是需要旧版本软件包的，而pytorch官网上给出的用命令安装的基本都是最新版本，要安装历史版本需要另外找方法下载，所以希望这篇笔记能够对其他人有参考意义。

NVIDIA驱动和cuda安装

这个步骤的资料比较多见了，也可以参考我之前的一篇文章
Ubuntu安装NVIDIA驱动和CUDA，这里就不赘述了。

cuda多版本切换

这个问题原本可以通过conda建立多个虚拟环境，在不通虚拟环境中安装不同版本来解决。不过本人的经历是这样的（不知道有没有类似的朋友，时间宝贵的可以略过此段）：先是装好了显卡驱动和cuda10.0的版本，本人的显卡最高支持到NVIDIA驱动418.56版本（418还有更高的子版本），安装驱动后就直接顺便装了cuda10.0。装了anaconda3之后，发现pytorch官方首页上面提供推荐的支持版本只有cuda9.2和cuda10.1，当时觉得找历史版本自己装麻烦，想装最新的，就又装了cuda10.1，第一次是直接卸载后重装，结果后来还是遇到了前面所说的问题3，经过一番查找和思考，发现我的显卡只支持10.1.130，但是pytorch with cuda10.1的离线文件名中体现出需要的是10.1.243，即需要安装NVIDIA官网中的“cuda 10.1 update2"那个，但是我的显卡并不支持。于是又要回到cuda10.0的版本去。

安装了多版本的cuda，会在/usr/local/目录中有多个cuda版本的目录，如下所示：

可以看到，除了两个版本的cuda目录外，安装程序还创建了一个软链接cuda指向某一个版本的cuda目录（有时候安装程序不会创建这样的链接，我们可以自己手动创建），这样一来，在配置系统环境变量的时候，可以不按照之前的帖子，直接把cuda某一版本的安装目录配置进去，而是讲链接配置进去，使用如下命令：

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda/bin:$PATH

但凡有一些Linux系统使用基础的朋友应该都能明白了，需要更改版本的时候，修改/usr/local/目录重点软链接就可以了，可以使用如下命令：

sudo ln -snf /usr/local/cuda-x.x /usr/local/cuda

网上有些帖子说的是先删除旧的，再创建新的（命令我就不写了，效果一样的，只是因为只用ln -s会提示已存在该链接的错误，关于ln命令的用法，可以通过ln --help来查看，就知道各参数的含义了）。

cuDNN安装

根据官网的提示按照以下步骤安装即可。（基础好的直接查看cudnn官方文档）

1. 下载cuDN