PyTorch多版本共存需Docker与Conda双层隔离：Docker解决底层CUDA/cuDNN及驱动兼容性，Conda管理上层Python包与解释器；单靠conda无法控制宿主机GPU驱动和系统级CUDA库，易导致cuda.is_available()为False或符号未定义错误。
PyTorch 多版本共存不是靠反复卸载重装，而是靠两层隔离：Docker 管底层 CUDA/cuDNN 兼容性，Conda 管上层 Python 包与解释器。缺任何一层，都会在 CUDA driver version is insufficient 或 ImportError: cannot import name 'xxx' from 'torch' 上卡住。
为什么不能只用 conda create -n torch_113 pytorch=1.13
因为 conda 安装的 PyTorch 二进制包绑定了特定 CUDA 版本（如 cudatoolkit=11.7），而你的宿主机驱动可能只支持 CUDA 12.x，或者你根本没装 NVIDIA 驱动——此时 conda 环境能创建成功，import torch 却会静默失败或报错找不到 GPU 库。
常见现象：
- 运行
torch.cuda.is_available()返回False，但nvidia-smi显示驱动正常 -
conda list pytorch显示已安装，但import torch报undefined symbol: cusparseSpMM_bufferSize
根本原因：conda 环境无法控制宿主机的 GPU 驱动和系统级 CUDA 库版本。它只管自己目录下的 lib/，不管 /usr/lib/x86_64-linux-gnu/libcusparse.so 是否匹配。
立即学习“Python免费学习笔记（深入）”；
为什么推荐 miniconda3:latest + 自定义 Dockerfile 而非直接拉 pytorch 官方镜像
PyTorch 官方 Docker 镜像（如 pytorch/pytorch:2.6.0-cuda12.4-cudnn8-runtime）虽开箱即用，但存在三个硬限制：
- 镜像内 Python 版本固定（比如 3.11），无法自由切换到
python=3.9或python=3.10来适配老项目 - 预装库太多（
scikit-learn、pandas等），体积大（>2GB），不利于 CI/CD 快速拉取 - 无法细粒度控制 conda channel 优先级，国内用户常因默认走
defaults而装错 cuDNN 版本
更可控的做法是基于轻量基础镜像构建：
FROM continuumio/miniconda3:latest
RUN conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ && \
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ && \
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ && \
conda config --set show_channel_urls true
COPY environment.yml /tmp/environment.yml
RUN conda env create -f /tmp/environment.yml && \
conda clean --all -f -y
SHELL ["conda", "run", "-n", "base", "/bin/bash", "-c"]
其中 environment.yml 可按需定义不同版本组合，例如：
name: pytorch_113
dependencies:
- python=3.9
- pytorch=1.13.1
- torchvision=0.14.1
- torchaudio=0.13.1
- cudatoolkit=11.7
- pip
- pip:
- wandb
conda activate 在容器里失效？必须用 conda run
Docker 容器启动时默认不加载 conda 的 shell hook，所以直接写 conda activate pytorch_201 && python train.py 会报 conda: command not found 或环境未激活。
正确做法有二：
- 在
ENTRYPOINT或CMD中显式调用conda run：["conda", "run", "-n", "pytorch_201", "python", "train.py"] - 或在构建阶段用
conda init bash并覆盖/root/.bashrc，再设SHELL ["bash", "-c"]——但会增大镜像体积且易出错
注意：conda run 启动的进程继承完整环境变量（包括 LD_LIBRARY_PATH），比手动 source activate 更可靠，尤其对 CUDA 库路径敏感的场景。
如何验证多版本真正隔离且可用
不要只信 conda list，要实测运行时行为：
- 进入容器后，分别执行：
conda activate pytorch_113 && python -c "import torch; print(torch.__version__, torch.version.cuda)" - 再切到另一环境：
conda activate pytorch_260 && python -c "import torch; print(torch.__version__, torch._C._cuda_getCurrentRawStream(0))"（验证 CUDA stream 初始化是否成功） - 关键检查点：
torch.cuda.is_available()必须为True，且torch.cuda.device_count()与宿主机nvidia-smi -L输出设备数一致
最容易被忽略的是：不同 PyTorch 版本对 NCCL 和 cuDNN 的 ABI 兼容性不向下兼容。比如 PyTorch 2.6 编译时用的 libcudnn.so.8.9，若容器内混入了旧版 libcudnn.so.8.6（来自其他镜像层），训练可能中途 crash 而无明确错误信息。
