nvidia-smi显示CUDA版本错误，Python环境安装CUDA依赖应用以哪个版本为准？

问题1：安装Python环境下依赖CUDA的应用时，应以哪个CUDA版本为准 #

首先明确两个CUDA版本的本质区别：

• nvidia-smi返回的CUDA版本：是你的NVIDIA驱动所能支持的最高CUDA版本，向下兼容低版本CUDA
• nvcc -V返回的CUDA版本：是你本地系统实际安装的全局CUDA Runtime版本

分两种场景判断参考版本：

• 如果你安装的是PyTorch、TensorFlow这类官方提供预编译安装包的库，只要你选的库对应的CUDA版本不超过nvidia-smi显示的最高支持版本即可，这类预编译包会自带对应版本的CUDA运行环境，不需要和你系统全局安装的CUDA版本对齐。
• 如果你需要从源码编译依赖CUDA的Python应用，或者安装需要调用系统全局CUDA的第三方库，必须以nvcc -V返回的系统CUDA版本为准，也就是你安装的10.1版本。

问题2：如何卸载11.1版本，仅保留CUDA 10.1 #

你查询的系统文件、环境变量、nvcc返回的都是10.1版本，说明你的全局系统并没有安装CUDA11.1，Python提示的11.1版本大概率来自你Python环境中安装的带捆绑CUDA的第三方库，按以下步骤处理即可：

1. 先排查Python环境内的捆绑CUDA包：
   打开对应Python环境的终端，执行命令：

   pip list | findstr cuda
   

   输出结果中会显示带cu111标识的包，比如torch==1.9.0+cu111这类，直接用pip uninstall 对应包名卸载即可。如果后续需要适配CUDA10.1的版本，重新安装对应库的cu101版本即可。
2. 如果排查后确认系统确实安装了全局CUDA11.1：
   打开Windows控制面板的「程序和功能」，找到所有名称包含「NVIDIA CUDA 11.1」的安装条目，逐个卸载即可，不要删除名称带10.1的CUDA相关条目，卸载完成后重启电脑就仅保留CUDA10.1。

内容的提问来源于stack exchange，提问作者Alex