nvidia显卡驱动安装和cuda，cudnn配置安装参考先前的教程
多版本cuda共存
cuda的卸载
卸载原有cuda，两种方式（.deb和.run两种方式安装，卸载方法不同）：
.run方法卸载，
sudo /usr/local/cuda-6.5/bin/uninstall_cuda-6.5.pl
（有这个文件就说明是之前用.run文件安装的，没有则是用deb文件安装的），需要根据自己的cuda版本找到卸载脚本
.deb方法卸载，
sudo apt-get autoremove --purge cuda
配置多个cuda版本共同使用
统一下载 .run(local)文件格式比较方便
安装，sudo sh cuda_xxxxxxxxxx.run
安装时的选择需要注意，驱动不需再安装，toolkit必须安装，软连接可以yes，samples不需要。
对多个cuda版本同样操作安装（安装顺序不知是否有影响）
安装好后，可以在 /usr/local/目录下看到不同cuda的多个目录（有可能还有一个cuda软链接，可以用命令stat cuda看一下链接到哪个目录）
环境配置
一、
环境配置。这里在系统环境配置文件 /etc/profile里配置（也可以在~/.bashrc文件下设置，这两个文件区别参见https://www.jianshu.com/p/9d95e5e736da，如果你是用图形界面的服务器，然后还用了IDE，如spyder或者pycharm，一定要在/etc/profile配置，因为~/.bashrc配置只对shell生效）保存后。source /etc/profile 使得其立即生效。
如果想要切换cuda环境的话，更改PATH和LD_LIBRARY_PATH到相应的cuda文件夹就可以了。
二、(推荐这个)
/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:$LIBRARY_PATH"
然后重新加载环境变量
source /etc/profile
/.bashrc
配置CUDA相关环境变量
修改~/.bashrc文件（或~/.zhsrc） 在文件末尾添加环境变量
Tensorflow官方安装历程要求注意的是:配置PATH和LD_LIBRARY_PATH和CUDA_HOME环境变量.
vim ~/.bashrc #修改配置文件（如果你用的是zsh，则需要修改 ~/.zshrc文件）
#在文件结尾处添加
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
source ~/.bashrc
利用同样的方法下载你想安装的另一个版本的cuda工具包（注意是runfile类型），在安装过程中，注意cuda symbol link的选择（首次安装，选y，安装额外的版本，选n）
cuda多个版本的切换
在安装了多个cuda版本后，可以在/usr/local/目录下查看自己安装的cuda版本，如下图所示：
这里，cuda-10.0和cuda-10.1就是我们安装的两个cuda版本了，而cuda是一个软链接，它指向我们指定的cuda版本（上面在设置环境变量时，使用的是cuda，而不是cuda-10.0和cuda-10.1，这就是为了方便我们切换cuda版本，不需要每次都去改变环境变量的值）
可以使用stat命令查看当前cuda软链接指向的哪个cuda版本，如下所示：
可以看到，文件类型是符号链接（symbolic link），指向的目录是/usr/local/-10.1，当我们想使用cuda-10.0版本时，只需要删除当前的cuda软链接，然后重新建立指向cuda-10.0版本的软链接即可（注意名称还是cuda，因为要与bashrc文件里设置的保持一致）
sudo rm -rf cuda
sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda
这样子想切换其他版本的cuda，只需要改动建立软链接时cdua的路径即可
一个问题：
cuda版本，nvidia-smi和nvcc -V查询、cat查询、stat cuda查询（后三者一致），的查询结果不一致
参考：https://blog.csdn.net/ljp1919/article/details/102640512解释：
其实是因为CUDA 有两种API，分别是 运行时 API 和 驱动API，即所谓的 Runtime API 与 Driver API。
nvidia-smi 的结果除了有 GPU 驱动版本型号，还有 CUDA Driver API的型号，这里是 10.0。
而nvcc的结果是对应 CUDA Runtime API。