CUDA 是 NVIDIA 开发的一种编程技术，它允许开发者使用 NVIDIA 的图形处理单元（GPU）进行高效的并行计算。CUDA 具有很多发行版本，用户在使用时 Pytorch 2.0.0 应用实例时，可能有对系统 CUDA 版本进行查看和修改的需求。本次，我们将介绍如何在 Pytorch 2.0.0 应用实例中查看和修改系统 CUDA。
查看系统支持的最高 CUDA 版本
1. 登录 高性能应用服务 HAI 控制台。
2. 选择需要连接的算力，然后单击算力连接。在下拉菜单中，单击 JupyterLab。
3. 进入 JupyterLab 后，选择 Other > Terminal，进入终端界面。
4. 在终端输入如下命令，查看系统 GPU 驱动版本。系统 GPU 驱动版本和系统支持的最高 CUDA 版本存在对应关系。
nvidia-smi
得到的终端输出如下，在这个例子中，Driver Version 为
525.105.17，CUDA Version 为 12.0。这里显示的 CUDA Version 指的是系统支持的最高 CUDA 版本，兼容 CUDA <= 12.0 的任何版本。
查看系统 CUDA 版本
在终端输入如下命令，查看系统实际安装的 CUDA 的版本。
nvcc --version
得到的终端输出如下，我们可以读出，这个例子中，系统实际安装的 CUDA 的版本为
11.7。
升级系统 CUDA 版本
不同项目需要的系统 CUDA 版本依赖是不同的。为了适配不同项目的需求，我们可能需要升级系统 CUDA 到更新的版本。下面讲展示如何将系统 CUDA 版本升级到
11.8 。注意：
升级后的系统 CUDA 版本，不能超过系统支持的最高 CUDA 版本。例如，在本例中，用户可以对
11.7版本的 CUDA 进行升级，但升级后的 CUDA 版本不能超过12.0。1. 在英伟达的 CUDA 发行版本页面，找到目标 CUDA 版本，这里我们选择
11.8的版本。
2. 选择合适的系统信息，之后会生成安装命令。
Operating System：选择 Linux。
Architecture：选择 x86_64。
Distribution：应用搭载 Ubuntu 20.04，因此选择 Ubuntu。
Version：选择 20.04。
Installer Type： 选择 runfile (local)。
3. 将上一步得到的安装命令复制到终端执行。这一步，
wget命令拉取安装文件，之后sh命令安装下载文件。注意删去sudo，因为HAI实例里用户默认已经是root用户了。wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.runsh cuda_11.8.0_520.61.05_linux.run
4.
sh命令执行后，稍等片刻，终端显示以下内容。输入accept，回车键确认。
5. 弹出以下内容，请注意，不要直接安装，取消默认选中的 Driver 复选框，然后再选择 Install。使用上下箭头键移动光标，回车键进行勾选或取消勾选。
6. 弹出以下内容，询问是否替代原有的 CUDA 安装。选择
Yes。
7. 弹出以下内容，说明安装完成。
8. 在终端输入
nvcc --version，查看系统当前安装的 CUDA 的版本，得到现安装版本是11.8，这验证了我们的安装是成功的。
