自分用のメモです．
この記事が役に立つケース
既存のML（だいたいDL）アプリケーションでちょっと遊びたい時にCUDAを一つのバージョンだけインストールしていると，依存関係のPyTorch関連ライブラリをそのCUDA対応バージョンに合わせなければならない．
- dockerで仮想環境ごと切り替える
- update-alternativesを使う
などの解決策もあるが，そこまでワークステーションの設備が良くない僕はできるだけインストールするCUDAを一つだけにしたい．なので
可能な限り単一CUDAで環境を作る場合やることをメモしておく
基本手順
- requirements.txtのCUDA依存部分をコメントアウトする
- nvcc -VでインストールしてあるCUDAバージョンを確認する
- 2.で確認したCUDAバージョン対応かつ，requirements.txt内のPyTorchバージョンにできるだけ近いPyTorchをインストール（ただしMajor releaseが変化する場合などはmajor releaseが変化しない方向にアップグレードorダウングレード）
- 残りのPyTorch関連ライブラリをインストール．時には対応づけミス？により普通にpip installできない or みつからないライブラリがあるので（torch-scatterなど）直接wheelからpip installする．
もっと頭のいい方法があるかもなので適宜更新必須