linux 上安装多个版本的cuda

### 安装和管理多个版本的 CUDA 在同一台 Linux 机器上安装和管理多个版本的 CUDA 是一种常见的需求，尤其是在开发环境中需要支持多种 GPU 加速的应用程序时。以下是实现这一目标的具体方法： #### 方法一：利用 Docker 隔离不同版本的 CUDA Docker 提供了一个隔离环境，可以轻松地为每个项目配置特定版本的 CUDA 而不会相互干扰。 - 创建不同的 Docker 容器并分别安装所需的 CUDA 版本是一个推荐的方法[^3]。 - 这种方式的优点在于无需修改宿主机的操作系统设置即可运行不同版本的 CUDA 应用程序。 ```bash # 示例：创建一个带有 CUDA 10.2 的 Docker 容器 docker pull nvidia/cuda:10.2-base docker run --gpus all -it nvidia/cuda:10.2-base /bin/bash ``` 上述命令会拉取 NVIDIA 官方镜像中的 CUDA 10.2 并启动交互式终端。 --- #### 方法二：手动安装多个 CUDA 工具链 如果不想使用 Docker，则可以通过手动安装的方式在同一个操作系统中维护多个 CUDA 版本。 - 下载所需版本的 CUDA Toolkit 安装文件[^4]。 - 将每版 CUDA 安装到独立目录下（例如 `/usr/local/cuda-10.2` 和 `/usr/local/cuda-11.0`）。 - 修改 `PATH` 和 `LD_LIBRARY_PATH` 环境变量以指向当前需要使用的 CUDA 版本。 以下是一段脚本用于动态切换 CUDA 版本： ```bash #!/bin/bash export CUDA_VERSION=$1 if [[ "$CUDA_VERSION" == "10.2" ]]; then export PATH=/usr/local/cuda-10.2/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} elif [[ "$CUDA_VERSION" == "11.0" ]]; then export PATH=/usr/local/cuda-11.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} else echo "Unsupported CUDA version" fi echo "Switched to CUDA $CUDA_VERSION" ``` 保存此脚本为 `switch_cuda.sh` 并赋予执行权限后，可通过如下命令快速切换 CUDA 版本： ```bash ./switch_cuda.sh 10.2 ``` 这种方法允许开发者直接控制哪些工具链被激活，适合不需要频繁切换的情况。 --- #### 方法三：基于虚拟机分离环境 对于更复杂的场景或者不希望污染现有系统的用户来说，建立单独的虚拟机会更加安全可靠。 - 可以为每一个 CUDA 版本分配专属的 Ubuntu 实例，在其中完成全部依赖项部署工作[^1]。 - 不过这种方式资源消耗较大，仅适用于高性能计算集群或其他特殊场合下的应用案例。 --- ### 总结 综上所述，有三种主要途径可以在单台 Linux 主机上面向多版本 CUDA 开发者提供服务——借助轻量级容器技术如 Docker；通过调整 shell profile 文件里的路径参数来自定义加载次序；以及构建额外层次上的沙盒机制比如 KVM/QEMU 类型 Hypervisor 承载子 OS 映象。具体选择取决于实际操作习惯和个人偏好等因素影响决定最终实施方案[^2]。