如何在conda虚拟环境中配置路径使用环境内安装的指定CUDA版本

• 运行环境：Ubuntu 22 LTS
• 部署需求：为TensorFlow 1.x、TensorFlow 2.x、PyTorch分别创建独立conda虚拟环境，每个环境内安装版本匹配的CUDA、cuDNN组件，例如适配TF1.x的环境通过命令conda create -n tf1 cudnn=7.6.5 cudatoolkit=10.1.243创建
• 异常现象：激活conda环境后，系统默认调用全局安装的CUDA 11.7，执行nvcc --version返回全局版本信息，未识别conda环境内安装的指定版本CUDA，命令返回示例如下：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Tue_May__3_18:49:52_PDT_2022
Cuda compilation tools, release 11.7, V11.7.64
Build cuda_11.7.r11.7/compiler.31294372_0

核心原因是conda默认不会自动将环境内自带的CUDA相关路径提到环境变量最高优先级，系统路径下的全局CUDA会被优先调用。通过conda原生的激活/停用钩子配置独立路径，可实现激活环境时自动加载对应版本CUDA、退出环境时自动还原配置，不会出现多环境版本冲突。

前置检查 #

激活目标conda环境（例如tf1环境执行conda activate tf1），先确认环境内是否存在对应版本的nvcc组件：
执行ls $CONDA_PREFIX/bin/nvcc，如果提示文件不存在，先安装和cudatoolkit版本完全匹配的cuda-nvcc包，例如CUDA10.1版本执行：
conda install cuda-nvcc=10.1.243

如果之前在全局~/.bashrc文件中硬编码过系统CUDA的路径配置（例如export PATH=/usr/local/cuda-xx/bin:$PATH类的语句），先注释或删除这类配置，避免全局路径优先级干扰conda环境的配置。

配置环境自动加载脚本 #

1. 创建环境激活时的脚本目录，目录不存在则手动新建：
   mkdir -p $CONDA_PREFIX/etc/conda/activate.d
2. 在激活脚本目录下新建CUDA路径配置文件cuda_path.sh，写入以下内容：

   #!/bin/bash
   # 备份激活环境前的原始路径配置
   export OLD_LD_LIBRARY_PATH=$LD_LIBRARY_PATH
   export OLD_PATH=$PATH
   # 将conda环境内的CUDA路径设为最高优先级
   export CUDA_HOME=$CONDA_PREFIX
   export LD_LIBRARY_PATH=$CONDA_PREFIX/lib:$LD_LIBRARY_PATH
   export PATH=$CONDA_PREFIX/bin:$PATH
   

3. 给配置文件添加执行权限：
   chmod +x $CONDA_PREFIX/etc/conda/activate.d/cuda_path.sh
4. 创建环境停用时的脚本目录，目录不存在则手动新建：
   mkdir -p $CONDA_PREFIX/etc/conda/deactivate.d
5. 在停用脚本目录下新建路径还原文件cuda_path_restore.sh，写入以下内容：

   #!/bin/bash
   # 还原到激活环境前的路径状态
   export LD_LIBRARY_PATH=$OLD_LD_LIBRARY_PATH
   export PATH=$OLD_PATH
   # 清理临时变量
   unset CUDA_HOME
   unset OLD_LD_LIBRARY_PATH
   unset OLD_PATH
   

6. 给还原文件添加执行权限：
   chmod +x $CONDA_PREFIX/etc/conda/deactivate.d/cuda_path_restore.sh

验证配置生效 #

执行conda deactivate退出当前环境，再重新执行conda activate 你的环境名激活环境，执行nvcc --version，如果返回信息和你在该环境内安装的cudatoolkit版本一致，即配置生效。

注意事项 #

• 每个conda环境需要单独执行上述配置流程，脚本仅在对应环境激活时生效，不同环境的CUDA版本不会互相干扰
• 不需要修改全局环境变量配置，不要在~/.bashrc中固定某一个版本的CUDA路径，否则会覆盖conda环境的路径优先级
• 新版本PyTorch、TensorFlow 2.x自带适配的CUDA运行时库，只要LD_LIBRARY_PATH优先级配置正确，无需安装系统级CUDA即可正常调用GPU

内容的提问来源于stack exchange，提问作者homa taha