使用pytorch时我们可能需要对其进行扩展一些功能，例如近随机卷积的DcnV2。此时我们则需要选择适合的cuda版本进行安装并进行编译扩展。由于我们电脑上可能已经安装过多个cuda版本，此时我们可以根据通过设置环境变量进行随意切换使用的cuda版本。如下安装多个版本的的电脑
- 为什么安装了pytorch如果编译扩展库需要再安装cuda库。
不管我们通过什么进行安装pytorch等深度框架的时候，我们可以发现pytorch都会带有cudatoolkit,如下图所示：
上述安装的cudatoolkit与我们通过Nvidia官方提供的CUDA Toolkit是不一样的。具体而言Nvidia官方提供的cuda包是包含很多驱动程序，cuda依赖库，例子等，也包括了CUDA程序的编译器CUDA 所支持的功能所对应的各式库文件以及它们的头文件等，具体的组成可参考 CUDA Toolkit Major Components.
实际上，Nvidia 官方提供安装的 CUDA Toolkit 包含了进行 CUDA 相关程序开发的编译、调试等过程相关的所有组件。但对于 Pytorch 之类的深度学习框架而言，其在大多数需要使用 GPU 的情况中只需要使用 CUDA 的动态链接库支持程序的运行( Pytorch 本身与 CUDA 相关的部分是提前编译好的 )，就像常见的可执