MindSpore1.10.1安装步骤详解（Ubuntu20.04+3080Ti+CUDA11.1+Python3.8）

背景说明

我是一名高中信息技术教师，带来学生参加了第二届长三角人工智能挑战赛——主赛道算法擂台，很幸运获得了一等奖，比赛中使用到了华为旗下的MindSpore人工智能框架。
在AI全面普及的当下，为提升自己的能力水平，打算深入学习一下MindSpore相关的知识，第一步就是安装MindSpore了。

所使用的操作系统为Ubuntu20.04，显卡3080Ti，CUDA11.1，Python3.8，MindSpore1.10.1，手动安装。参照MindSpore官网的安装说明，有会一些坑，经常多次尝试，还是成功安装了，
在此把经验总结一下并分享给大家，供爱好者学习。若有不正之处，望予以指出，谢谢。

安装Ubuntu20.04+3080Ti驱动

Ubuntu20.04的安装这里就不详细说，大家可以参考网上的相关文章。

接下去安装3080Ti驱动，建议通过Ubuntu20.04自带的“软件和更新”功能去安装，如下图。

我安装的是525的版本，是能够安装的最新版了。安装成功之后，可以在终端窗口中输入“nvidia-smi”来验证驱动的是否成功和CUDA版本，如下图。

可以看到525的驱动安装后，CUDA的版本是12.0，其实CUDA是可以向下兼容的。官网上说CUDA11.1，准确地说是CUDA的最低版本为11.1。若已安装了高版本的CUDA，则需要安装CUAD11.1中除驱动之外的其他东西（后续会有详细说明）

安装CUDA所需依赖

参照MindSpore官网安装CUDA所需依赖，使用命令如下：
sudo apt-get install linux-headers-$(uname -r) gcc-7
安装截图如下：

下载并安装CUDA11.1（☆☆非常关键☆☆）

参照MindSpore官网给出的命令下载CUDA11.1：
wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run
下载成功后，如图：
参照MindSpore官网给出的命令安装CUDA11.1：
sudo sh cuda_11.1.1_455.32.00_linux.run，如图：

点击“Continue”继续，如图：

输入“accept”并回车，如图：

去掉驱动的安装，安装其他选项，如图：

CUDA11.1安装成功，如图：

根据MindSpore官网给出的命令，添加环境变量，如图：

echo -e "export PATH=/usr/local/cuda-11.1/bin:\$PATH" >> ~/.bashrc
echo -e "export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:\$LD_LIBRARY_PATH" >> ~/.bashrc
source ~/.bashrc

下载并安装cuDNN

在cuDNN页面登录并下载对应的cuDNN安装包（需要NVIDIA账号），根据MindSpore官网的说明，下载cuDNN v8.0.x，如图：

官网上说下载的是一个tgz的包，但实际下载后是tar.xz的包，如图：

无所谓啦，反正都是压缩包，解压即可。为方便之后命令操作，把解压得到的文件夹重命名为cudnn，如图：

在文件夹cudnn里有一个include文件夹，一个lib文件夹，和一个LICENSE文件，如图：

根据MindSpore官网的说明，接下去就是复制文件了，具体命令如下：

最奇怪的是，文件夹明明是cudnn，怎么变成了cuda，也没有“lib64”文件夹啊，只有lib。因此修改了一下这两条命令，如下：

sudo cp cudnn/include/cudnn.h /usr/local/cuda-11.1/include
sudo cp cudnn/lib/libcudnn* /usr/local/cuda-11.1/lib64

望MindSpore官网能修正一下。
再执行下一条命令

sudo chmod a+r /usr/local/cuda-11.1/include/cudnn.h /usr/local/cuda-11.1/lib64/libcudnn*

安装Python3.8

由于Ubuntu20.04自带Python3.8，因此这里就可以直接跳过。但需要安装一下pip，可以使用以下命令：

sudo apt install python3-pip

可以通过如下命令在查看所安装的Python版本。

python3 --version

安装GCC

根据MindSpore官网的说明，使用如下命令安装GCC（其实在最前面已安装了）：

sudo apt-get install gcc -y

安装MindSpore

根据MindSpore官网的说明，使用如下命令安装MindSpore1.10.1：

export MS_VERSION=1.10.1
pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/${MS_VERSION}/MindSpore/gpu/x86_64/cuda-11.1/mindspore_gpu-${MS_VERSION/-/}-cp38-cp38-linux_x86_64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

安装成功后，如图：

运行MindSpore GPU版本前，请确保nvcc的安装路径已经添加到PATH与LD_LIBRARY_PATH环境变量中，如果没有添加，以安装在默认路径的CUDA11为例，可以执行如下操作：

export PATH=/usr/local/cuda-11.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH

如果安装了其他CUDA版本或者CUDA安装路径不同，只需替换上述命令中的/usr/local/cuda-11.1为当前安装的CUDA路径。

另外，在MindSpore安装中，会有两句Warning，如图。

其实也是环境变量未添加的原因，只需运行如下命令即可，如图。

export PATH=/home/zzm/.local/bin:$PATH

验证MindSpore安装成功

验证方法一，输入命令

python3 -c "import mindspore;mindspore.run_check()"

输出MindSpore的版本号，如图：

验证方法二，先在文本编辑器内，输入以下内容

import numpy as np
import mindspore as ms
import mindspore.ops as opsms.set_context(device_target="GPU")
x = ms.Tensor(np.ones([1,3,3,4]).astype(np.float32))
y = ms.Tensor(np.ones([1,3,3,4]).astype(np.float32))
print(ops.add(x, y))

保存为一个py文件（MindSporeTest.py），如图：
在终端中，输入如下命令，运行此py文件

python3 MindSporeTest.py

得到如图结果，则说明安装成功：

以上内容经过本人亲测，若有不对，敬请谅解，欢迎批评指正！！