Anaconda虚拟环境安装不同版本cudatoolkit/cuDNN会破坏现有配置吗？

别担心，你辛苦搭建的系统级CUDA 9.0和cuDNN 7.0.3配置不会被破坏，下面详细解释你的问题：

1. Conda安装的cudatoolkit/cuDNN会不会破坏现有配置？ #

不会！Anaconda虚拟环境的核心特性就是环境隔离：

• Conda安装的cudatoolkit和cuDNN会被放在你当前虚拟环境的专属目录下（比如~/anaconda3/envs/your_env_name/lib这类路径），完全独立于系统级的/usr/local/cuda路径。
• 系统的CUDA和cuDNN的环境变量（PATH、LD_LIBRARY_PATH等）只会在你激活虚拟环境前生效，激活后虚拟环境的变量会优先覆盖，但退出环境后一切恢复原样。

2. 这些安装是否仅局限于虚拟环境内？ #

是的，完全局限在当前虚拟环境中。不同的Anaconda环境可以拥有各自独立的cudatoolkit、cuDNN甚至Python版本，互相之间不会产生干扰。比如你现在的另一个环境可以用系统的CUDA，新环境用conda安装的其他版本，两者完全并行运行。

3. 为什么另一个环境没要求安装这些组件？ #

这通常有两种原因：

• 另一个环境安装的TensorFlow-GPU版本刚好和你系统的CUDA 9.0、cuDNN 7.0.3兼容，conda在解析依赖时检测到系统已存在符合要求的库，就没有强制在环境内安装；
• 你在安装那个环境的TensorFlow时，可能使用了--no-deps参数跳过了依赖安装，或者手动指定了依赖来源为系统库。

给你的建议 #

如果你想保留系统级配置的使用，有两种选择：

• 方案一：让新环境使用系统CUDA
  安装TensorFlow-GPU时跳过依赖安装：

  conda install tensorflow-gpu --no-deps
  

  然后确保激活虚拟环境后，环境变量指向系统CUDA路径（可以在环境的activate.d脚本里设置），但要注意TensorFlow版本必须和CUDA 9.0兼容（比如TensorFlow 1.12.x到1.14.x版本适配CUDA 9.0）。
• 方案二：直接用conda安装环境内的组件
  这其实是更省心的方式，conda会自动匹配TensorFlow对应的cudatoolkit和cuDNN版本，而且完全隔离，不会影响你的系统配置和其他环境，后续切换环境也不需要调整变量。

内容的提问来源于stack exchange，提问作者WNavidson1