前言

按照nVidia 微软等官方文的推荐，CUDA最好应当运行在docker中

• Docker support:index-docker

CuDNN下载

CuDNN是一个python包，用于Python环境中的科学计算

进入CuDNN官网下载相应软件包，笔者此处使用的是cudnn-11.1-linux-x64-v8.0.5.39.tgz。

上述下载方式需要注册账号才能正常进行，为方便读者，笔者将相应软件包上传到百度云。

下载链接：https://pan.baidu.com/s/13IKt8Tw2sCMrJKmcw9slJg ，提取码：lyqc

拷贝CuDNN

在文件资源管理器输入\\wsl$，访问WSL内部文件目录，将cudnn-11.1-linux-x64-v8.0.5.39.tgz拷贝到目标目录下。拷贝完成后如下图所示，此处笔者放在之前创建的apps目录下。

安装CuDNN

安装命令如下：

cd apps
tar zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz
cd cuda
sudo cp include/*.h /usr/local/cuda-11.1/include/
sudo cp -d lib64/libcudnn* /usr/local/cuda-11.1/lib64/

安装MindSpore 1.6.1

MindSpore安装

创建虚拟环境，命令如下：

mkdir pyenvs && cd pyenvs
virtualenv -p python3 ms_1.6.1

激活虚拟环境，命令如下：

source ms_1.6.1/bin/activate
source ~/scripts/cuda_11.1.sh

安装MindSpore 1.6.1，命令如下：

pip3 install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.6.1/MindSpore/gpu/x86_64/cuda-11.1/mindspore_gpu-1.6.1-cp38-cp38-linux_x86_64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

测试是否安装成功，命令如下：

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

输出如下内容，表示安装成功。

MindSpore version:  1.6.1
The result of multiplication calculation is correct, MindSpore has been installed successfully!

参考、引用、致谢

MindSpore入门-基于Windows10系统WSL2安装GPU版本MindSpore_MindSpore_昇腾论坛_华为云论坛 (huaweicloud.com)

(24条消息) Linux安装CUDA的正确姿势_FlyWine的博客-CSDN博客_linux安装cuda

RAPIDS

RAPIDS是一个开源的库，它提供了端到端的数据科学和分析流程，以及一些传统的经典机器学习算法，可以完全运行在GPU上。 它与一些主流的库完美兼容，如Pandas等，因此，入门不高。 与TensorFlow类似，RAPIDS的底层使用C语言编写，并利用NVIDIA的CUDA平台进行GPU的加速

• RAPIDS

NCCL

NCCL是Nvidia Collective multi-GPU Communication Library的简称，它是一个实现多GPU的collective communication通信（all-gather, reduce, broadcast）库，Nvidia做了很多优化

• NCCL