当系统中存在多个 cuda 版本（如 11.8 和 12.0）时，pytorch 运行时报错“detected cuda version mismatches”，本质是运行时加载的 cuda 动态库版本与 pytorch 编译时绑定的版本不一致；解决关键在于显式指定并优先加载匹配的 cuda 路径。
在多 CUDA 版本共存的环境中（例如同时安装了 CUDA 11.8 和 12.0），PyTorch 的二进制包通常针对特定 CUDA 版本编译（如 torch==2.0.1+cu118 对应 CUDA 11.8）。即使 nvcc --version 或 nvidia-smi 显示某版本可用，实际被 PyTorch 加载的 CUDA 运行时库仍由环境变量（尤其是 LD_LIBRARY_PATH 和 CUDA_PATH）决定。系统默认可能优先链接 /usr/local/cuda（常为符号链接指向最新版，如 CUDA 12.0），从而导致版本不匹配错误。
✅ 正确做法是在启动 Python 脚本前，临时覆盖环境变量，强制使用与 PyTorch 兼容的 CUDA 版本。以下为 Linux/macOS 下的标准方案（Windows 用户需改用 set 命令并调整路径格式）：
#!/bin/bash
# 指向目标 CUDA 安装根目录（请根据实际路径调整，如 /usr/local/cuda-11.8）
export CUDA_PATH=/usr/local/cuda-11.8
# 优先加载该版本的动态库（关键！）
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/usr/local/cuda-11.8/lib64
# 将对应 bin 目录加入 PATH，确保调用正确版本的 nvcc（可选但推荐）
export PATH=${PATH}:/usr/local/cuda-11.8/bin
# 启动你的脚本
python my_py_cuda118_script.py⚠️ 注意事项：
- 路径必须准确：请先通过 ls /usr/local/ | grep cuda 确认 CUDA 11.8 的真实安装路径（常见为 /usr/local/cuda-11.8 或 /opt/cuda-11.8）；
- 不要全局修改：避免永久修改 ~/.bashrc 中的 LD_LIBRARY_PATH，否则可能影响其他依赖不同 CUDA 版本的程序；
- 验证生效：可在脚本中添加 import torch; print(torch.version.cuda) 和 print(torch.cuda.is_available()) 确认版本与可用性；
- Windows 用户：需设置 CUDA_PATH 和 PATH（含 bin），并确保 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin 在系统 PATH 前置位置；
- Docker 场景：建议直接使用官方 PyTorch 镜像（如 pytorch/pytorch:2.0.1-cuda11.8-cudnn8-runtime），避免手动配置。
总结：CUDA 版本冲突并非安装失败，而是运行时环境未对齐。通过精准控制 LD_LIBRARY_PATH 优先级，即可实现多版本安全共存与按需切换——这既是工程实践中的常见需求，也是深度学习部署的关键基础能力。
