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．

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