异常信息：CUDA driver version is insufficient for CUDA runtime version

这个异常可能会出现在任何深度学习框架中，当遇到这个问题时，根据字面意思，我们可以推敲出来是 CUDA的驱动版本和CUDA的运行版本不一致造成的，并不是显卡驱动有问题，这个需要注意下，显卡是硬件，这个报的错误明显是软件问题。那么关于CUDA 驱动版本和运行版本的区别，您可以借鉴这篇博文很详细点击即可

这里要插入几个常用的Linux命令：

nvcc --version # 得到cuda驱动的版本
nvidia-smi #查看自己的显卡驱动，或者型号信息

我出现这个异常是在Centos7系统上的 Pytorch 框架下，在网上查阅了很多资料，发现自己CUDA驱动和 Pytorch 的版本是一致的，具体测试过程可以看以下命令[提前需要配置好Pytorch,如果没有，可以参照该链接：

import torch
# 输出cuda版本，和 nvcc --version 一致
print(torch.version.cuda)
#这个函数只要输出的是 True 就说明 CUDA版本和 Pytorch 版本适配
#如果为 False ，需要您下载适合CUDA 和 Pytorch 互相适配的版本进行安装
print(torch.cuda.is_available())

接下来，如果以上测试最后一行程序为False，意味着你需要更换 Pytorch 去适配 CUDA版本，或者直接更换CUDA版本适配Pytorch 当然前者是更安全的选择，这个主要根据您的情况去选择，那么如果您想要更换CUDA 和 Pytorch 版本 均可以参考我的博文点击进入。如果你摸清楚了我分享的链接里的一些步骤，其实到现在基本可以解决这个问题了。【下面的你也要看一下，可以帮你加深理解！】

另外，说一些和 CUDA 和 cuDNN 相关的东西，我们知道CUDA 可以实现GPU的粗加速，cuDNN是专门针对神经网路而定义的加速程序，两者功能是互不影响的，也就是说，你的环境下，可以只装CUDA 不用装 cuDNN也不影响你的操作，甚至两者都不装，其实也不影响计算，不过就是速度快慢不一样。

原因分析：

关于以上说CUDA 和 cuDNN 互不影响的例子，其实我们在cuDNN的安装过程中可以得到，cuDNN的安装过程为：

以上图来源于安装cuDNN的官方网站,我们可以看到，它在安装过程中，是将解压的文件，直接复制到了 cuda 的文件夹中去，相当于为 原cuda的计算包，增添了cuDNN的一些内容，所以两者是互不影响的。
当然，如果是学校或者公司的服务器，是可以在你分配账号的那个空间上配置自己的CUDA和 cuDNN的，官方的都是在根目录下操作，即有(root权限)，但是你也可以在自己的小空间上安装，不用加 su 或者 sudo 即可，但要注意配置合适的路径。这个还是参考我的一篇博文，这里附上链接点击进入。

最后还一定要注意使用 Anaconda 安装时，注意安装 cudatoolkit 包，这个包要 cuda 版本一致，只有这 样才会让程序不会出错！