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
5、 6、 只有在4、的最后一行指令nvcc -V失败的情况下才需要看。5、如果nvcc -V 查看不了CUDA的版本，则进行如下操作
which nvcc # 找到nvcc位置
6、创建nvcc链接
sudo ln -s /usr/local/cuda/bin/nvcc /usr/bin/nvcc #创建软链接并链接到当前cuda的nvcc
注：绿色部分的位置需要和5、的位置一致
nvcc --version #显示当前CUDA版本
nvcc -V #查看当前CUDA版本
设置了nvcc软链接后应该就没啥问题了！！！
欢迎大家留言！！！
