因为配置不同的项目，不同的项目使用的tensorflow、pytorch的版本不同，对应的CUDA版本也不同，记录一下，多种版本CUDA的安装和切换。
从图片可见，自己配置了三个版本的CUDA。
下面记录安装和配置过程。
（1）从官网下载所需要版本的CUDA：https://developer.nvidia.com/cuda-toolkit-archive
文件类型为：runfile。
（2）安装CUDA
cd到刚下载的文件目录
sudo sh cuda_10.0.130_410.48_linux.run
一直按回车键到100%，输入accept，后续输入指令选择时一定要看清楚，视情况决定。
最关键的是问是否要安装驱动的时候：install NVIDIA Accelerated Graphics Driver for Linux-x86_64，输入n（no）。因为已安装其他版本的CUDA，是已经配置好驱动的。
问题是否建立一个cuda的软链接:Do you want to install a symbolic link at /usr/local/cuda，输入n，后续我们切换时自己建立软链接。
其他视情况决定，比如一些文件的默认路径等问题。
（3）设置环境变量
在~/.bashrc文件中添加环境变量，如果有配置好的CUDA，这步应该已经完成，如果没有，通过几个export操作配置，配置完后source ~/.bashrc
（4）cudnn的安装
官网下载CUDA对应版本的cudnn：https://developer.nvidia.com/rdp/cudnn-archive
解压完成后，可以看到cuda文件夹，在当前目录打开终端，执行下面命令：
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/
sudo chmod a+r /usr/local/cuda-10.0/include/cudnn.h
sudo chmod a+r /usr/local/cuda-10.0/lib64/libcudnn*
（5）建立指向CUDA-10.0的软链接
sudo rm -rf cuda
sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda
（6）查看此时的CUDA版本和cudnn版本
CUDA版本：
cat /usr/local/cuda/version.txt
nvcc -V
cudnn版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
没有问题则说明配置成功，如果要切换不同的CUDA版本，只需要执行第五步即可。
