nvidia顯卡驅動安裝和cuda，cudnn配置安裝參考先前的教程
多版本cuda共存
cuda的卸載
卸載原有cuda，兩種方式（.deb和.run兩種方式安裝，卸載方法不同）：
.run方法卸載，
sudo /usr/local/cuda-6.5/bin/uninstall_cuda-6.5.pl
（有這個文件就說明是之前用.run文件安裝的，沒有則是用deb文件安裝的），需要根據自己的cuda版本找到卸載腳本
.deb方法卸載，
sudo apt-get autoremove --purge cuda
配置多個cuda版本共同使用
統一下載 .run(local)文件格式比較方便
安裝，sudo sh cuda_xxxxxxxxxx.run
安裝時的選擇需要注意，驅動不需再安裝，toolkit必須安裝，軟連接可以yes，samples不需要。
對多個cuda版本同樣操作安裝（安裝順序不知是否有影響）
安裝好後，可以在 /usr/local/目錄下看到不同cuda的多個目錄（有可能還有一個cuda軟鏈接，可以用命令stat cuda看一下鏈接到哪個目錄）
環境配置
一、
環境配置。這裏在系統環境配置文件 /etc/profile裏配置（也可以在~/.bashrc文件下設置，這兩個文件區別參見https://www.jianshu.com/p/9d95e5e736da，如果你是用圖形界面的服務器，然後還用了IDE，如spyder或者pycharm，一定要在/etc/profile配置，因爲~/.bashrc配置只對shell生效）保存後。source /etc/profile 使得其立即生效。
如果想要切換cuda環境的話，更改PATH和LD_LIBRARY_PATH到相應的cuda文件夾就可以了。
二、(推薦這個)
/etc/profile
sudo gedit /etc/profile
export PATH="/usr/local/cuda/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"
export LIBRARY_PATH="/usr/local/cuda/lib64:$LIBRARY_PATH"
然後重新加載環境變量
source /etc/profile
/.bashrc
配置CUDA相關環境變量
修改~/.bashrc文件（或~/.zhsrc） 在文件末尾添加環境變量
Tensorflow官方安裝歷程要求注意的是:配置PATH和LD_LIBRARY_PATH和CUDA_HOME環境變量.
vim ~/.bashrc #修改配置文件（如果你用的是zsh，則需要修改 ~/.zshrc文件）
#在文件結尾處添加
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
source ~/.bashrc
利用同樣的方法下載你想安裝的另一個版本的cuda工具包（注意是runfile類型），在安裝過程中，注意cuda symbol link的選擇（首次安裝，選y，安裝額外的版本，選n）
cuda多個版本的切換
在安裝了多個cuda版本後，可以在/usr/local/目錄下查看自己安裝的cuda版本，如下圖所示：
這裏，cuda-10.0和cuda-10.1就是我們安裝的兩個cuda版本了，而cuda是一個軟鏈接，它指向我們指定的cuda版本（上面在設置環境變量時，使用的是cuda，而不是cuda-10.0和cuda-10.1，這就是爲了方便我們切換cuda版本，不需要每次都去改變環境變量的值）
可以使用stat命令查看當前cuda軟鏈接指向的哪個cuda版本，如下所示：
可以看到，文件類型是符號鏈接（symbolic link），指向的目錄是/usr/local/-10.1，當我們想使用cuda-10.0版本時，只需要刪除當前的cuda軟鏈接，然後重新建立指向cuda-10.0版本的軟鏈接即可（注意名稱還是cuda，因爲要與bashrc文件裏設置的保持一致）
sudo rm -rf cuda
sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda
這樣子想切換其他版本的cuda，只需要改動建立軟鏈接時cdua的路徑即可
一個問題：
cuda版本，nvidia-smi和nvcc -V查詢、cat查詢、stat cuda查詢（後三者一致），的查詢結果不一致
參考：https://blog.csdn.net/ljp1919/article/details/102640512解釋：
其實是因爲CUDA 有兩種API，分別是 運行時 API 和 驅動API，即所謂的 Runtime API 與 Driver API。
nvidia-smi 的結果除了有 GPU 驅動版本型號，還有 CUDA Driver API的型號，這裏是 10.0。
而nvcc的結果是對應 CUDA Runtime API。