tensorflow/pytorch臨時指定CUDA版本，解決版本適配問題

經典的深度學習引擎，如tensorflow和pytorch，其自身版本與CUDA版本有着嚴格的對應關係，一點點的不符都會使得程序無法運行。

例如，我目前的默認CUDA==10.2，現在需要跑tensorflow-gpu==1.13.1的代碼（要求CUDA==10.0），就會報出這樣的錯誤：

ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory

由於復現實驗時，原始代碼的tensorflow/pytorch版本往往五花八門，只靠一個版本的CUDA來一招鮮喫遍天是不現實的，必然要安裝多版本CUDA。

然而，指定CUDA版本也很繁瑣，常規方法是開多個conda虛擬環境， 爲每個環境指定一個CUDA版本，但不免繁瑣。

其實，一個簡單的方法就能夠臨時切換使用的CUDA版本，就是在執行代碼前指定環境變量LD_LIBRARY_PATH爲你想使用的特定版本的CUDA的路徑。

例如，爲run.py指定使用CUDA=10.0：

LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64 python run.py

其他版本，把cuda-10.0改成對應版本即可。