哈哈
cuda
选好版本（重要
综合考虑，谋定而后动
与显卡驱动
命令行输入nvidia-smi
显示Driver Version是驱动的版本，CUDA Version是当前驱动支持的最高版本
之后可以根据英伟达官网上的对照表选择CUDA的版本 【CUDA Toolkit Documentation】
与pytorch
版本对照图如下：
一般来说高版本的pytorch能兼容低版本cuda
再通俗点，就是pytorch版本选高了没事；但是低了，就只能再降低cuda版本了
ps：官方推荐的cuda版本为10.2和11.3，这两种 cuda 支持大多数的 pytorch 版本。
不过一般人都是根据cuda装pytorch，谁没事指定pytorch版本反装cuda啊，哦是复现baseline啊，那没事了
进入虚拟环境中
（我创立了一个python3.9的环境叫p3.9g），接下来我们要在该环境中配置pytorch
下载与安装
将下载好的文件执行以下操作：
先将安装包复制到服务器上，能找得到的地方。
然后进入到该目录下，使用chmod 755 cuda_10.2.89_440.33.01_linux.run更改文件的执行权限。
由于我们不是管理员用户，因此无法使用sudo安装，因此直接执行以下命令即可 sh cuda_10.2.89_440.33.01_linux.run
命令行输入 nvcc -V 查看cuda版本，如果符合预期，则安装成功
非root用户与软连接切换
cudnn
很简单
1.安装对应的cudnn。根据cuda版本选择对应的cudnn进行安装
2.将解压后的lib和include这两个目录拷贝到cuda的对应bin和include目录下，即是所谓插入式设计，把cuDNN数据库添加CUDA里，cuDNN是CUDA的扩展计算库，不会对CUDA造成其他影响。
cp -r ./lib/* /homeB/liangxiaoyu/.local/cuda-11.3/bin/
cp -r ./include/* /homeB/liangxiaoyu/.local/cuda-11.3/include/