多版本CUDA Toolkit共存时安装MindSpore的疑问

问题描述：

一、背景：

1、在Linux系统的服务器上，目前已经安装有NVIDIA GPU驱动535.183.01版本和CUDA Toolkit 12.2版本，CUDA Toolkit默认的安装路径是/usr/local/cuda和/usr/local/cuda-12.2，该系统暂时无法使用Docker容器。

2、在MindSpore官网提供的安装方式中，选择MindSpore 2.2.14、CUDA 11.6、Python 3.9、Conda安装的版本，可以看到下方提供了从安装CUDA到安装测试MindSpore的详细过程，其中安装CUDA的步骤中提到了“当默认路径/usr/local/cuda存在安装包的时候，LD_LIBRARY_PATH环境变量不起作用；原因是MindSpore采用DT_RPATH方式支持无环境变量启动，减少用户设置；DT_RPATH优先级比LD_LIBRARY_PATH环境变量高。”，下文称这段文字为注解。

二、问题：

1、请问对于已经安装了CUDA Toolkit 12.2的系统，/usr/local/cuda下面已经有了CUDA Toolkit 12.2，此时安装CUDA Toolkit 11.6到/usr/local/cuda-11.6并配置PATH和LD_LIBRARY_PATH，是否可以完成MindSpore的安装？

2、如果能的话，MindSpore安装文档中提供的注解应当如何理解，是否需要额外的操作？

2、如果不能的话，在这样的多版本CUDA共存的系统里，除了使用Docker容器的方式，应该如何安装MindSpore？

解决方法：

/usr/local/cuda其实是个软连接，指向具体的/usr/local/cuda-12.2或者/usr/local/cuda-11.6等版本，安装cuda时，如果没有这个软连接，会直接创建，如果有的话，会直接覆盖，直接指向最新安装的那个cuda版本目录，一般情况下，可以直接手动修改/usr/local/cuda软连接指向的具体cuda版本目录，就可以切换mindspore所使用的cuda版本，实现多版本共存；

或者也可以使用conda的方式，去安装适配不同的cuda动态链接库版本（就是在你机器上已经装了12.2，使用conda也可以搭建起来mindspore所需要的11.6的运行环境），可以参考这个链接：

https://zhuanlan.zhihu.com/p/364284533