conda不识别系统安装的cuda

在深度学习中，使用GPU加速训练模型已经成为了一种必备的手段。其中，NVIDIA的CUDA技术是深度学习中常用的GPU加速技术，而Anaconda则是常用的Python包管理工具。然而，在使用Anaconda管理Python包时，很容易遇到Anaconda不识别系统安装的CUDA的问题，本文将介绍如何解决这一问题。

问题描述

当我们使用命令“conda install pytorch torchvision cudatoolkit=10.1 -c pytorch”安装PyTorch等包时，会遇到如下错误提示：

ERROR: The CUDA version is insufficient. The minimum compatible version is 10.1.180 However, the following versions are available: 9.0, 10.0

根据错误提示，我们需要安装CUDA 10.1.180版本才能成功安装PyTorch等包。然而，我们可能已经在系统中安装了较新版本的CUDA（如11.0），但Anaconda仍然无法识别。

问题原因

Anaconda不识别系统安装的CUDA的原因在于路径问题。当我们在系统中安装了CUDA后，系统会自动将CUDA的路径添加到环境变量中。但是，Anaconda没有直接继承环境变量中的路径信息，可能无法找到系统中已经安装的CUDA。

解决方案

一种解决方案是在Anaconda中手动添加CUDA路径。具体步骤如下：

1. 打开终端或Anaconda Prompt，并输入以下命令查找CUDA的路径：

$ whereis cuda

2. 在返回结果中找到cuda路径的安装路径（通常为/usr/local/cuda-x.x，其中x.x表示CUDA的版本号），并将其复制。

3. 在Anaconda Prompt中输入以下命令，创建一个名为“cuda”的新环境变量，并将cuda路径添加到其中：

conda config --add env_vars 'CUDA_HOME=/usr/local/cuda-x.x' conda config --append env_vars 'LD_LIBRARY_PATH=/usr/local/cuda-x.x/lib64' conda config --append env_vars 'PATH=/usr/local/cuda-x.x/bin:$PATH'

其中，x.x需要根据实际情况进行修改。

4. 现在，您可以在Anaconda环境中使用conda install命令安装CUDA相关的Python包，例如：

conda install