最常被跳过的一步是同时验证PyTorch编译绑定的CUDA版本（torch.version.cuda）、GPU可用性（torch.cuda.is_available()）和实际加载路径（LD_LIBRARY_PATH中cuda路径顺序），三者不一致即导致隐性冲突。
确认PyTorch绑定的CUDA版本和系统实际加载的版本
最常被跳过的一步是验证到底哪两个版本在打架。只看 nvidia-smi 或 nvcc --version 完全不够——它们显示的是驱动支持能力或编译器版本，不是PyTorch运行时实际加载的CUDA库版本。
必须同时运行这三条命令：
-
python -c "import torch; print(torch.version.cuda)"→ PyTorch编译时锁定的CUDA主版本（如11.8） -
python -c "import torch; print(torch.cuda.is_available())"→ 是否能真正调用GPU（False往往说明动态库没加载对） -
echo $LD_LIBRARY_PATH | tr ':' '\n' | grep cuda→ 看哪些CUDA路径被优先搜索，顺序决定加载谁
如果第一项输出 11.8，但第三项里排第一的是 /usr/local/cuda-12.1/lib64，冲突根源就在这里——PyTorch想用11.8的库，却先找到了12.1的。
conda环境内强制指定CUDA运行时路径
conda装的 cudatoolkit 是精简版，不含 nvcc，但它会把对应版本的 lib64 放进环境目录。关键在于让PyTorch优先看到它，而不是系统全局路径。
立即学习“Python免费学习笔记（深入）”；
激活环境后，立即执行：
-
export LD_LIBRARY_PATH="$(dirname $(python -c "import torch; print(torch.__file__)"))/lib:$LD_LIBRARY_PATH"→ 把PyTorch自带的lib目录置顶（它内部已打包匹配的CUDA运行时） -
unset CUDA_PATH→ 避免conda自动注入的CUDA_PATH干扰（某些旧版conda会设成系统路径） - 再验证：
python -c "import torch; print([x for x in torch._C._cuda_getCurrentRawStream(0)] if torch.cuda.is_available() else 'no cuda')"→ 不报错才算真通
注意：不要在 ~/.bashrc 里永久写死这个 LD_LIBRARY_PATH，否则切换环境时会污染其他项目。
系统级多CUDA共存时避免软链接误切
/usr/local/cuda 这个软链接看似方便，实则是隐形炸弹。一旦你用 sudo ln -sf /usr/local/cuda-12.1 /usr/local/cuda 切换，所有未显式隔离的Python进程（包括Jupyter、VS Code终端）都会跟着切，哪怕它们本该用11.8。
更安全的做法是：
- 保留
/usr/local/cuda指向最常用版本（比如12.1），但绝不依赖它 - 每个项目启动脚本开头显式设置：
export LD_LIBRARY_PATH="/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH" - 用
ls /usr/local/ | grep cuda确认路径名——有些安装会生成cuda-11.8.0而非cuda-11.8，少个.0就直接失败
Windows用户同理：必须把 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin 放到系统 PATH 最前面，且不能只靠 CUDA_PATH 变量。
pip与conda混用导致的隐性冲突
用 pip install torch 装完PyTorch，再用 conda install cudatoolkit=11.8，看似凑齐了，实则危险。pip版PyTorch的二进制包自带全部CUDA运行时（torch/lib 下一堆 *.so），而conda装的 cudatoolkit 是另一套——loader可能随机选一个，符号表对不上就崩。
根治方法只有一条：
- 要么全用conda（从
pytorchchannel装，带cudatoolkit依赖自动解决） - 要么全用pip（去 PyTorch官网下载页 找带
cu118后缀的wheel，不额外装cudatoolkit） - 绝对不要
conda install pytorch+pip install torch共存于同一环境
最容易被忽略的点：Jupyter notebook kernel 如果没重启，旧进程仍持有已卸载的CUDA库句柄，即使重装也会继续报错——关掉kernel再重开。
