官网安装地址：
https://www.mindspore.cn/install
PS: 不得不说华为的软件是愈发的不好用了，这个mindspore老版本去年我是使用过的，安装也是比较方便的，搞不清这优化来优化去咋变的这么不好安装了呢。
====================================
1. 首先选择使用conda方式安装：
官网给出的安装命令：
conda install mindspore-gpu=1.9.0 cudatoolkit=11.1 -c mindspore -c conda-forge
运行测试代码：
python -c "import mindspore;mindspore.run_check()"
报错：
[ERROR] ME(74920:140607147143488,MainProcess):2022-12-10-11:48:19.825.553 [mindspore/run_check/_check_version.py:194] Cuda ['10.1', '11.1', '11.6'] version(libcu*.so need by mindspore-gpu) is not found, please confirm that the path of cuda is set to the env LD_LIBRARY_PATH, or check whether the CUDA version in wheel package and the CUDA runtime in current device matches, please refer to the installation guidelines: https://www.mindspore.cn/install
[ERROR] ME(74920:140607147143488,MainProcess):2022-12-10-11:48:19.825.657 [mindspore/run_check/_check_version.py:194] Cuda ['10.1', '11.1', '11.6'] version(libcu*.so need by mindspore-gpu) is not found, please confirm that the path of cuda is set to the env LD_LIBRARY_PATH, or check whether the CUDA version in wheel package and the CUDA runtime in current device matches, please refer to the installation guidelines: https://www.mindspore.cn/install
[ERROR] ME(74920:140607147143488,MainProcess):2022-12-10-11:48:19.830.949 [mindspore/run_check/_check_version.py:194] Cuda ['10.1', '11.1', '11.6'] version(libcudnn*.so need by mindspore-gpu) is not found, please confirm that the path of cuda is set to the env LD_LIBRARY_PATH, or check whether the CUDA version in wheel package and the CUDA runtime in current device matches, please refer to the installation guidelines: https://www.mindspore.cn/install
[ERROR] ME(74920:140607147143488,MainProcess):2022-12-10-11:48:19.831.029 [mindspore/run_check/_check_version.py:194] Cuda ['10.1', '11.1', '11.6'] version(libcudnn*.so need by mindspore-gpu) is not found, please confirm that the path of cuda is set to the env LD_LIBRARY_PATH, or check whether the CUDA version in wheel package and the CUDA runtime in current device matches, please refer to the installation guidelines: https://www.mindspore.cn/install
[ERROR] ME(74920,7fe1a70ef140,python):2022-12-10-11:48:19.881.793 [mindspore/ccsrc/runtime/hardware/device_context_manager.cc:46] LoadDynamicLib] Load dynamic library libmindspore_gpu failed, returns [libcudnn.so.8: cannot open shared object file: No such file or directory].
MindSpore version: 1.9.0
MindSpore running check failed.
Create device context failed, please make sure target device:GPU is available.
----------------------------------------------------
- C++ Call Stack: (For framework developers)
----------------------------------------------------
mindspore/ccsrc/runtime/hardware/device_context_manager.cc:208 GetOrCreateDeviceContext
解释一下这个报错信息，说的就是mindspore-gpu识别不到环境中的cuda和cudnn。
这其实就是一个十分奇葩的报错，明明使用conda安装了，cuda和cudnn都应该是conda按照依赖关系安装的，如果使用conda安装不安装依赖的cuda和cudnn环境那么和pip安装方式又有什么区别呢。
看了下官方在conda方式下面给的具体说明：
也就是说官方虽然提供了conda的安装方式，但是实际上和pip安装方式是一样的，只不过下载源的地址不同，这着实雷到我了。
同时官方还提供了自动安装cuda和cudnn的脚本：
执行官方给出的自动安装cuda和cudnn脚本：
安装失败：（这个自动安装脚本失败或许是我的操作系统问题，因为这个系统是deepin系统）
==============================================
2. docker安装方式
既然pip和conda安装方式都需要自己额外安装cuda和cudnn，那么使用docker安装方式就应该可以避免这个问题了，于是使用docker安装：
运行镜像：
报错信息显示nvidia驱动版本不匹配。
============================================================
也就是说，在nvidia显卡驱动安装成功的前提下，如果不手动安装cuda和cudnn，那么使用pip，conda，docker方式都是无法成功安装mindspore的GPU版本的，这个结果确实要人不好接受。
============================================================
真的是太气人了，这安装的便捷性和pytorch根本没法比，也是没谁了，最后还是手动安装cuda和cudnn，然后成功安装mindspore-gpu-1.9.0:
