TensorRT安装

Linux下的安装

  本文是为了记录安装TensorRT过程中遇到的一些问题。

1. 首先进入TensorRT下载页面，选择你要下载的TensorRT版本。
   因为TensorRT不同的版本依赖于不同的cuda版本和cudnn版本。所以很多时候我们都是根据我们自己电脑的cuda版本和cudnn版本来决定要下载哪个TensorRT版本。

• 查看cuda版本：
  
  可以看到，我的cuda版本为11.3。
• 查看cudnn版本
  网上看的资料都是让你输入下面这条语句：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
1

或者这条语句：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
1

如果你使用这两条语句成功显示了cudnn的版本，那便继续往下走。笔者在使用这两条语句时会出现如下错误：

经过分析，在我的系统里，cudnn文件存在于/usr/include/文件夹下。cd进入/usr/include/文件夹，查看cudnn的版本：

cd /usr/include/
cat cudnn_version.h
1
2

可以看到，我的cudnn版本现在为8.2.0。

2. 我准备安装 TensorRT8.5，通过TAR包的形式安装。cuda11.0-11.8都可以。下载之后，发现cudnn要求为8.6.0，但是我的cudnn版本为8.2.0。所以要升级cudnn。
   

3. 下载cudnn8.6.0，cudnn的下载页面
   
   下载这个安装包。
   具体如何升级cudnn到8.6.0，请参考如下链接：
   cudnn升级

4. 现在我们的cudnn和cuda都安装到对应的版本上了，开始安装TensorRT。

• 首先解压下载的TensorRT安装包

tar -xzvf TensorRT-8.5.1.7.Linux.x86_64-gnu.cuda-11.8.cudnn8.6.tar.gz
1

• 添加环境变量

vim ~/.bashrc
export LD_LIBRARY_PATH=/path/TensorRT-8.5.1.7/lib:$LD_LIBRARY_PATH
export LIBRARY_PATH=/path/TensorRT-8.5.1.7/lib::$LIBRARY_PATH
1
2
3

这里的path换成你自己的TensorRT路径。保存退出后，执行：

source ~/.bashrc
1

• python调用TensorRT API
  进入TensorRT文件夹下的python文件夹，执行以下命令，安装python接口的tensorrt。

pip install ./tensorrt-8.5.1.7-cp38-none-linux_x86_64.whl 
1

这里的cpXX对应的是你的python版本。

• uff组件
  进入uff文件夹，安装uff组件。

pip install ./uff-0.6.9-py2.py3-none-any.whl 
1

• 安装graphsurgeon
  进入graphsurgeon文件夹，执行以下命令：

pip install ./graphsurgeon-0.4.6-py2.py3-none-any.whl 
1

• 安装onnx_graphsurgeon
  进入onnx_graphsurgeon文件夹，执行以下命令：

pip install ./onnx_graphsurgeon-0.3.12-py2.py3-none-any.whl 
1

综上我们已经安装了python调用TensorRT的一些库。除此之外，我们还要安装pycuda库，使用pip install安装即可。

5. 验证TensorRT是否安装正确，cd进入samples文件夹

cd samples
make -j8
1
2

如果环境什么都没出错的话，这里编译是会很顺利的。然后cd进入bin文件夹，

cd ..
cd bin
./sample_onnx_mnist
1
2
3

出现下面的结果就表示安装正确。

windows下的安装

1. 下载Tensorrt的windows下的zip文件。

https://developer.nvidia.com/nvidia-tensorrt-8x-download

还是同样地根据你的cuda版本选择一个进行下载。

2. 下载后解压到某个路径，然后将bin目录添加到系统环境变量。
3. 下载cudnn。

https://developer.nvidia.com/rdp/cudnn-download

进行解压，将cudnn各个文件夹内的文件复制到cuda的文件夹呢（cudnn和cuda的文件名要相同，比如说cudnn的bin目录下的文件复制到cuda的bin目录下）。如果不太清楚cuda在哪个目录下，可以查看系统的环境变量。

4. 在python环境内安装tensorrt，graphsurgeon，uff，onnx_graphsurgeon等package。
   进入到Tensorrt的的解压路径内，这些包的**.whl文件都在对应的文件夹内，执行pip install xxx** 即可。注意安装tensorrt是自己的python版本。

参考连接：https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html#installing-zip