CUDA是英伟达显卡适配的计算编程平台，在日常的应用和开发中经常使用，特别是在机器学习领域。
本文总结了三种在Linux系统下安装CUDA的方法。
在安装CUDA软件之前，请先确保：
nvidia-smi 命令检查显卡状态和驱动版本号 Driver Version）。假如以上两个条件都满足了，下面我们可以开始安装合适的CUDA版本了。
需要注意的是： CUDA的版本选择取决于驱动程序的版本（见下表）。也就是说太老版本的驱动运行不了太新的CUDA。
| CUDA版本 | 最低驱动版本 | GCC推荐版本 | Intel编译器推荐版本 |
|---|---|---|---|
| CUDA 12.1.x | >=530.30.02 | 12.2 | 2021.7 |
| CUDA 12.0.0 | >=525.85.05 | 12.1 | 2021.6 |
| CUDA 11.8.x | >=520.61.05 | 11 | 2021 |
| CUDA 11.7.x | >=515.48.07 | 11 | 2021 |
| CUDA 11.6.x | >=510.47.03 | 11 | 2021 |
| CUDA 11.5.x | >=495.29.05 | 11 | 2021 |
| CUDA 11.4.x | >=470.82.01 | 10.3 | 19.1 |
| CUDA 11.3.x | >=465.19.01 | 10.3 | 19.1 |
| CUDA 11.2.x | >=460.32.03 | 10.3 | 19.1 |
| CUDA 11.1 (11.1.0) | >=455.32 | 10.3 | 19.1 |
| CUDA 11.0 (11.0.3) | >=450.51.06 | 10.3 | 19.1 |
| CUDA 10 | >= 440.33 | 10.2 | 18.0 |
| CUDA 9 | >= 396.37 | 4.8.5 | 17.0 |
| CUDA 8 | >= 375.26 | 4.8.2 | 15, 16 |
以Ubuntu为例，我们可以使用以下命令：
sudo apt update
sudo apt install nvidia-cuda-toolkit
这种方法比较简便，而且库函数和编译器可执行程序(如 nvcc) 的路径已经自动配置加载好了。我们可以使用 nvcc -V 来检查当前CUDA的版本。
缺点：一般情况下不能选择特定的CUDA版本（但也有例外，比如Pop OS是支持的）。
1. 下载
CUDA的版本选择请参考上面的表格。
选择 Linux -> 合适的处理器架构 -> 发行版名称和版本 -> runfile(local)，下载得到一个 .run 文件。这个文件包含了驱动程序和CUDA，我们只需要其中的CUDA。
2. 安装
将这个文件（这边以 cuda_11.6.0_510.39.01_linux.run 为例）放到普通用户的目录下之后，我们运行：
# 注意：将USER替换成你的用户名
sh cuda_11.6.0_510.39.01_linux.run --toolkit --override --installpath=/home/USER/cuda/cuda11.6
其中 installpath 是cuda的目标安装目录。
询问是否接受条款，输入 accept。
在新页面中，用空格键将 Driver 前的 [X] 去掉（取消勾选驱动），CUDA Toolkit 前的 [X] 必须保留，其他的看情况去掉。
然后进入 Options -> Toolkit Options。
用空格键将下面这些选项的 [X] 去掉，然后选择 Done 两次（防止它们被安装到根目录）。
回到最开始的页面，选择 Install！
3. 配置环境变量
安装完成之后，会显示 Summary，并告诉我们安装路径（例如 /home/USER/cuda/cuda11.6/）。
假如我们需要使用这个CUDA的时候，可以依次运行下面三个命令：
export CUDATK=/home/USER/cuda/cuda11.6
export PATH=/home/USER/cuda/cuda11.6/bin:${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/home/USER/cuda/cuda11.6/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
此时假如我们运行 nvcc -V：
显示cuda编译器的版本为11.6，说明已经安装成功了。
我们也可以将上面三个命令放入一个 bash 脚本，在需要用 CUDA 的时候 source 一下就可以加载了。这种安装方法可以在用户目录安装不同版本的 CUDA，非常灵活方便。
conda 可以在用户目录下创建不同的 python 环境， 我们可以为不同 CUDA 版本创建不同的 conda 环境。
需要注意的是： 在 conda 下面我们需要区分 cuda 和 cudatoolkit 这两个包。
cuda 是 nvidia 频道的包：https://anaconda.org/nvidia/cudacudatoolkit 是 anaconda 频道的包：https://anaconda.org/anaconda/cudatoolkit后者
cudatoolkit是不包含 CUDA 编译器的（如 nvcc）。可以将后者理解为前者的子集。
我们以 CUDA 11.6 为例，运行：
conda create --name cuda-11.6
conda activate cuda-11.6
# 注意：版本号 11.6.2 可以在cuda的conda页面查到
conda install -y -c "nvidia/label/cuda-11.6.2" cuda
这样安装好之后，我们只需要加载适当的 conda 环境即可使用了。
本文介绍了三种不同的安装CUDA的方法，其中第二和第三种可以在普通用户目录安装不同版本的CUDA，非常灵活方便。