由于经常需要做深度学习实验，无论是tensorflow或pytorch，对cuDNN和CUDA可以灵活的切换十分重要，因此，对这部分进行以下的总结，希望大家可以避坑。

自身配置信息：

linux系统：Ubuntu18.04

CPU：i9 11代

GPU：RTX 3090

硬盘：固态488GB，机械2TB

目前已有两个CUDA版本：CUDA11.0     CUDA11.2 ,如图(注:其中的cuda为软链接)

 1、配置CUDA环境变量

vim ~/.bashrc     #打开CUDA环境变量配置文件

键盘输入o 对此文件进行编辑，然后键盘向下滑到最后一行

2、将CUDA环境变量配置信息加入到 第一步vim打开的文件

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

3、退出该vim文件并保存生效

先按Esc，然后输入:wq         然后  回车                   (注：如果无法保存，需要按Esc，然后输入:wq!     然后回车)

回车后回到指令窗口 ，输入 source ~/.bashrc            #该作用是使刚才编辑的vim文件立即生效

到此，就配置好了CUDA环境变量，该环境变量由/usr/local/cuda文件控制，而给文件是一个软链接，以后的不同CUDA版本都是由该软链接控制。

4、将上面图中的cuda软链接删掉，重新创建新的软链接，并指向cuda-11.0文件

sudo rm -rf cuda                      #删除/usr/local/cuda文件(如果此时不在/usr/local目录下，请cd到此)

sudo ln -s /usr/local/cuda-11.0 /usr/local/cuda    #新建一个软链接，同时指向cuda-11.0

stat cuda                                         # 查看当前软链接的cuda版本

nvcc --V                                         # 查看当前cuda版本