为什么pip无法安装cudatoolkit=10.1，但使用conda可以正常安装？

cudatoolkit是NVIDIA官方推出的CUDA工具包，并未被官方发布到PyPI软件源，因此pip无法从默认源中检索到对应的安装包，会直接报找不到匹配版本的错误。而conda官方维护的源（defaults、conda-forge等）收录了预编译的cudatoolkit安装包，因此可以正常通过conda命令完成安装。

针对需要将依赖写入配置文件的需求，可选择以下任意方案处理：

• 方案1：使用适配CUDA版本的框架PyPI包
  如果你安装cudatoolkit是为了配合PyTorch、TensorFlow等深度学习框架使用，无需单独安装cudatoolkit，这类框架的PyPI版本已经内置了对应版本的CUDA运行时依赖。以适配CUDA10.1的PyTorch为例，直接执行如下命令即可完成安装：

  pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html
  

  直接将上述命令对应的包名和版本写入requirements.txt即可。
• 方案2：提前安装后在requirements.txt中标记忽略
  先通过conda完成cudatoolkit 10.1的安装，之后在requirements.txt中添加注释说明该依赖需要提前用conda安装，无需通过pip安装，参考格式如下：

  # 前置依赖需手动通过conda安装：conda install cudatoolkit=10.1
  # cudatoolkit==10.1
  torch==1.8.1
  torchvision==0.9.1
  

• 方案3：使用conda的environment.yml替代requirements.txt
  若可切换到conda进行全环境依赖管理，可编写environment.yml文件同时管理conda和pip两类依赖，示例格式如下：

  name: your_project_env
  channels:
    - defaults
  dependencies:
    - cudatoolkit=10.1
    - python=3.8
    - pip:
      - torch==1.8.1
      - torchvision==0.9.1
  

  部署时执行conda env create -f environment.yml即可一次性完成全部环境配置。

内容的提问来源于stack exchange，提问作者marlon