在Ubuntu20.04上安装MindSpore1.9.0(GPU)
在之前的2070上跑到后面显存不够了，导师调了一台组里的3090，接下来要在这上面安装环境
环境和之前在Ubuntu20.04+2070的差不多，这是装2070时写的：在Ubuntu20.04上安装mindspore1.8.1（GPU）
这里重新记录一下安装方法和碰到的坑
环境配置
安装对应版本CUDA+cudnn库
现在的mindspore比较推荐使用CUDA11.1版本，在nvidia官网的下载对应版本的cuda版本即可，我在组里的3090上面之前配置好的cuda上装mindspore最后会无法通过安装验证,抛出”总线错误，核心已转储“，可能是因为师兄师姐用的其他方法安装，这个难以被检查到的问题卡了我4天，最后在mindspore官方交流群的大佬的帮助下解决，感谢wqx。
CUDA安装流程参考
cuda11.1 + cuDNN v8.0.4 for CUDA 11.1 配置流程这篇写的很干练，值得参考
验证cuda安装成功：nvcc -V
验证cudnn安装成功：cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
在Ubuntu上安装多版本CUDA ubuntu中可以多版本cuda共存
CUDA安装过程中可能遇到的问题
下载遇到段错误，有文章说是因为栈空间不足。
解决:
wget大文件断点重下：wget -c download_url 可以在断线之后继续下载
ubuntu wget下载过程出现“段错误，核心已转储”解决方法
如果是第二次安装的话做完软链接与路径的部分后记得重开Terminal，不然nvcc会还是会显示旧版本的CUDA
cuda安装部分reference：
cuda11.1 + cuDNN v8.0.4 for CUDA 11.1 配置流程
Ubuntu下cuda安装出现段错误以及nvcc无法找到最新安装的cuda解决方法
ubuntu wget下载过程出现“段错误，核心已转储”解决方法
在Ubuntu20.04上安装mindspore1.8.1（GPU）
然后用Anaconda开一个新的虚拟环境
conda create -n mindspore1.9 python=3.9
-n 等价于 - name ，后面是创建的环境名
python版本建议3.9
安装MindSpore
安装
在官网找到对应的下载命令下载
conda命令我用会卡住（即使是换了北外源）
pip命令可以流畅下载
验证安装
在conda中激活环境：conda activate mindspore1.9
验证安装：
python -c “import mindspore;mindspore.run_check()”
返回版本号以及成功提示！
报错记录：
验证不通过：
抛出总线错误，后来发现原因是之前师兄师姐装的服务器cuda环境可能不是官网上给出的cuda11.1的包，可能是装pytorch的时候直接命令安装，有些东西不一样引发的问题，重新安装cuda11.1后解决
最后可以顺便安装一下mindvision库
进入环境：conda activate mindspore1.9
git clong https://gitee.com/mindspore/vision.git
然后进入vision文件夹： cd vision
执行 python setup.py install 安装库
（我是在pycharm中新建了一个项目后在pycharm的Terminal中运行的，直接在conda环境中运行应该也可以）
然后就安装成功了，导入库不会出现红标
安装mindvision的教程链接：https://www.bilibili.com/video/BV1CS4y1z72r?p=2&vd_source=1422dc9d01b5aaaaa4457804c50b68ae