我现在是否已安装两个版本的CUDA，该如何检查？
没有。
conda将安装支持其提供的CUDA加速软件包所需的最少可再发行库组件。软件包名称
cudatoolkit是完整的误称。这不是什么。即使现在它的范围已从以前的范围（从原来的5个文件大大扩展了，我认为在某些时候他们也一定已经从NVIDIA获得了许可协议，因为其中一些不在/不在官方的“自由重新分发”列表AFAIK），它基本上仍然只是少数几个库。
您可以自己检查：
cat /opt/miniconda3/conda-meta/cudatoolkit-10.1.168-0.json { "build": "0", "build_number": 0, "channel": "https://repo.anaconda.com/pkgs/main/linux-64", "constrains": [], "depends": [], "extracted_package_dir": "/opt/miniconda3/pkgs/cudatoolkit-10.1.168-0", "features": "", "files": [ "lib/cudatoolkit_config.yaml", "lib/libcublas.so", "lib/libcublas.so.10", "lib/libcublas.so.10.2.0.168", "lib/libcublasLt.so", "lib/libcublasLt.so.10", "lib/libcublasLt.so.10.2.0.168", "lib/libcudart.so", "lib/libcudart.so.10.1", "lib/libcudart.so.10.1.168", "lib/libcufft.so", "lib/libcufft.so.10", "lib/libcufft.so.10.1.168", "lib/libcufftw.so", "lib/libcufftw.so.10", "lib/libcufftw.so.10.1.168", "lib/libcurand.so", "lib/libcurand.so.10", "lib/libcurand.so.10.1.168", "lib/libcusolver.so", "lib/libcusolver.so.10", "lib/libcusolver.so.10.1.168", "lib/libcusparse.so", "lib/libcusparse.so.10", "lib/libcusparse.so.10.1.168", "lib/libdevice.10.bc", "lib/libnppc.so", "lib/libnppc.so.10", "lib/libnppc.so.10.1.168", "lib/libnppial.so", "lib/libnppial.so.10", "lib/libnppial.so.10.1.168", "lib/libnppicc.so", "lib/libnppicc.so.10", "lib/libnppicc.so.10.1.168", "lib/libnppicom.so", "lib/libnppicom.so.10", "lib/libnppicom.so.10.1.168", "lib/libnppidei.so", "lib/libnppidei.so.10", "lib/libnppidei.so.10.1.168", "lib/libnppif.so", "lib/libnppif.so.10", "lib/libnppif.so.10.1.168", "lib/libnppig.so", "lib/libnppig.so.10", "lib/libnppig.so.10.1.168", "lib/libnppim.so", "lib/libnppim.so.10", "lib/libnppim.so.10.1.168", "lib/libnppist.so", "lib/libnppist.so.10", "lib/libnppist.so.10.1.168", "lib/libnppisu.so", "lib/libnppisu.so.10", "lib/libnppisu.so.10.1.168", "lib/libnppitc.so", "lib/libnppitc.so.10", "lib/libnppitc.so.10.1.168", "lib/libnpps.so", "lib/libnpps.so.10", "lib/libnpps.so.10.1.168", "lib/libnvToolsExt.so", "lib/libnvToolsExt.so.1", "lib/libnvToolsExt.so.1.0.0", "lib/libnvblas.so", "lib/libnvblas.so.10", "lib/libnvblas.so.10.2.0.168", "lib/libnvgraph.so", "lib/libnvgraph.so.10", "lib/libnvgraph.so.10.1.168", "lib/libnvjpeg.so", "lib/libnvjpeg.so.10", "lib/libnvjpeg.so.10.1.168", "lib/libnvrtc-builtins.so", "lib/libnvrtc-builtins.so.10.1", "lib/libnvrtc-builtins.so.10.1.168", "lib/libnvrtc.so", "lib/libnvrtc.so.10.1", "lib/libnvrtc.so.10.1.168", "lib/libnvvm.so", "lib/libnvvm.so.3", "lib/libnvvm.so.3.3.0" ] .....即您得到的是（记住上面的那些“文件”大部分只是符号链接）
- CUBLAS运行时
- CUDA运行时库
- CUFFT运行时
- CUrand运行时
- 稀疏的rutime
- CUsolver运行时
- NPP运行时
- nvblas运行时
- NVTX运行时
- NVgraph运行时
- NVjpeg运行时
- NVRTC / NVVM运行时
conda安装的CUDNN软件包是可再发行的二进制发行版，与NVIDIA发行的二进制发行版完全相同-正好是两个文件，一个头文件和一个库。
您仍然需要安装受支持的NVIDIA驱动程序，才能使conda安装的tensorflow正常工作。
