1：查看CUDA Version
（查看/usr/local/cuda/version.txt）、
CUDA Version 8.0.61
2：Linux 多个python版本的问题：
2.1安装：
下载：wget https://www.python.org/ftp/python/3.5.3/Python-3.5.3.tgz
解压：tar -zxvf Python-3.5.3.tgz
配置 进入python-3.5.3 1 ： （后面是指定安装路径）
./configure --prefix=/usr/local/bin/python353（可以指定也可以默认）
make
make install
默认python3.53位置：/usr/local/lib/python3.5
（PS：这里记录的是普通的方法，但是在import pytorch可能会报错，直接看模块3）
2.2 关于软链接的问题
Linux下使用python命令实际上都是使用软连接连接到指定的编辑器上，
（python只是一个连接的名字，python3也可以，python4也可以）
使用：which python 查看一下Python可执行文件的位置
查看软链接：切换到该目录下执行 ll python * 命令查看
增加一个软链接：ln -s /usr/local/lib/python3.5 /usr/bin/python3
删除一个软链接直接rm rm python3
此时使用python3可以连接python3.5的编译器。
2.3关于不同python版本下包版本冲突的问题
第一种情况：例如python2和python3下的numpy并不兼容：
python2下使用 pip install numpy
python3下使用 pip3 install numpy
这样可以看到安装的是不同版本的numpy，存放在不同的site-package下
这个很重要哦，虽然在python3下使用pip一样会打python3的package，但是在多个版本下pip 和 pip3的差别就体现出来了
第二种情况：建立虚拟环境 virtualenv
1 创建一个虚拟环境
virtualenv -p python 编辑器位置 自定义的虚拟环境位置（文件夹就是这个环境的名字）virtualenv -p python编辑器位置 --no-site-packages 环境名字此时便是在当前目录创建这个虚拟环境
这里有一个 --no-site-packages 是指这个环境不使用全局环境的包，比如python3.5的包不适用于python3.6，那么创建python3.6环境时就要打上这个no-site-packages
2 激活这个环境
source 自定义的虚拟环境位置/bin/activate3 退出这个环境
deactivate
其实对于python2 和python3 这种大不同的版本，使用第一种软链接完全可以实现共存
对于python 3.5 python3.6这种小版本不同，使用virtualenv创建虚拟环境
3安装pytorch
使用pip安装pytorch可以参考官网
在此处记录一个import错误：
ImportError:libpython3.5m.so.1.0: cannot open shared object file: No such file or directory而你翻遍了系统都找不到这个libpython3.5.so.1.0，说明错误出现在安装python3.5的某个步骤上
原因：在于安装python3.5是没有共享库（--enabled-shared）
解决办法：重新编译python3.5安装，并指定路径
进入python3.5的解压包：
./configure --prefix=/usr/local --enable-shared --with-threadsLD_RUN_PATH=/usr/local/lib makesudo make install在此import torch 不再报错
4运行py文件
CUDA_VISIBLE_DEVICES=0,1,2 python3 /mnist/rnn.py
！！注意是python3的编辑器去运行 (指定CUDA模块 python编辑器 python文件)
利用nvidia-smi来查询GPU信息，获取GPU模块，可以看到一共有四块NVIDIA GPU模块，编号分别为0,1,2,3 选取其中部分全部作为上个命令行代码CUDA_VISIBLE_DEVICES的值
nvidia-smi是一个命令行工具，可以帮助你管理操作GPU device，并且允许你查询和更改device状态