安装好CUDA后CUDNN+TensorRT部署

已于 2024-02-26 16:32:38 修改
阅读量370 收藏 6
点赞数 12
文章标签： 人工智能 深度学习
于 2023-12-30 09:34:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_78556110/article/details/135302150
版权

 安装cuDNN

1 将cuDNN压缩包解压
2 将cuda\bin中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
3 将cuda\include中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
4 将cuda\lib中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
 

安装TensorRT

1 将TensorRT压缩包解压
2 将 TensorRT文件\include中头文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
3 将TensorRT文件\lib 中所有lib文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64里
4 将TensorRT文件\lib 中所有dll文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin里

————————————————

注：仅为创作者回忆，也可观摩
 

2301_78556110
关注
  • 12
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
CUDA安装成功后配置环境变量
yuuzhao的博客
06-15 2万+
配置环境变量（安装成功时，有提示的相应地址） 官方上面是直接输入。但是我觉着在/etc/profile ~/.bashrc上写会更好. /etc/profile影响所有用户，~/.bashrc影响当前用户使用的bash shell 。 $ sudo gedit /etc/profile $ sudo vim ~/.bashrc 在最后面加上这些: ## 网上共看到三种添加内容 # 第一种 export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} expor
深度学习+TensorRT-8.2.1.8+模型加速部署
04-12
win10 cuda11.4 cudnn8.2 含 C++和Python API
Windows10下NVIDA CUDA,cuDNN和TensorRT安装教程
qq_30150579的博客
12-30 1506
NVIDA CUDA和cuDNN安装教程
VS2022配置CUDA、CuDNN和TensorRT的环境
m0_63769180的博客
10-09 1831
精简安装会安装CUDA相关组件，同时也会将显卡驱动重新安装。这里不想重新安装显卡驱动，所以选择自定义安装。选择组件的时候，将CUDA中的Nsight VSE和Visual Studio Integration取消勾选，并将Driver components里面的两个驱动组件取消，其他保持勾选。
深度学习GPU环境CUDA详细安装过程
10-26 4309
安装过程，在这安装过程中，我一开始直接选择的精简安装，如果由于VS的原因，导致无法正常安装，可以换成自定义的安装方式，并将VS勾给去掉，便可以正常安装了，至于CUDA的安装目录，大家默认安装在C盘即可。的版本，至于选择哪个版本，个人认为应该没多大差别，一般就是看这个版本是否要求GPU的计算能力是多少以上。，但这里需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。双击打开，显示解压安装目录，不需要改变，默认即可。至此，所有的安装工作已经完成，你可以接下来去安装。
Cuda安装详细步骤
热门推荐
爱吃菠菜的大力士
01-09 10万+
为了学习Caffe新买了笔记本，安装cuda时遇到了很多问题，不过好在都成功的解决了。 网上有很多cuda的安装教程，每个人的电脑配置不同遇到的问题也不一样，现在就我自己的安装配置情况总结一下具体的安装步骤，因为有同学的正确指导，在实际的安装过程中并没有遇到什么特别大的难题，每一步都很仔细，都查清楚了才开始执行下一步： 笔记本主要参数 笔记本型号：惠普WASD 15-AX0
CUDA+cuDNN+TensorRT 配置避坑指南
Charles
10-05 2457
但通过笔者的实践操作，这是不对的，接下来如果按照这个版本去安装cudNN和tensorRT会导致失败，笔者已经通过不同的方式验证了其失败的情况。深度学习模型加速部署的环境配置，需要在本地安装NVIDIA的一些工具链和软件包，这是一个些许繁琐的过程，而且一步错，步步错。，官方文档里需要继续安装三个软件包，但是按照官方的提示是无法安装的，如下图，红色的是上面两个已经执行的命令，绿色的是接下来要执行的命令。的cuda版本，等会实际安装的cuda toolkit可能会小于这个版本，但下载的时候仍然需要。
YOLOv5实战+TensorRT部署+VS2019编译[全部软件下载]
08-30
在Win10系统上完成，需要用到的软件与依赖包有：cuda 10.2 , cudnn 7.6.5 , VS2019 , OpenCV 3.4.0 , Anaconda3 , CMake 3.19.4 , TensorRT 7 安装使用使用教程：...
tensorRT部署resnet网络Python、c++源码
08-18
tensorRT部署resnet网络 包括onnx文件生成， 及推理引擎生成， 利用推理引擎推理 环境配置 使用TensorRT来加速部署图片分类项目，此文档中包含全部 软件及依赖库 在Win10系统上完成，需要用到的软件与依赖包有：cuda...
完结8章CUDA与TensorRT部署实战课程2023
11-13
今天给大家分享一套关于CUDA与TensorRT部署的视频教程，附带课件+源码资料下载，希望大家喜欢！ 一、什么是TensorRT？ TensorRT是英伟达的AI加速推理模型，我们在使用GPU深度学习训练完后，会生成.pt模型，但是这个...
Pytorch2TensorRT:CUDA10.0，CUDNN7.5.0，TensorRT7.0.0.11
05-10
将Pytorch模型部署到TensorRT的一个简单用法，技术路线为“pytorch model-->onnx file-->TensorRT engine”。 当前仅针对ONNX和TensorRT支持OP可进行转换，如有不支持的OP需编写插件。 News: 2020.12.10: 更新...
CUDA安装配置以及遇到的一些问题解决
AAAA202012的博客
04-09 9186
文章目录CUDA安装CUDA安装遇到的问题以及解决方法 CUDA安装 首先说一下自己用的是VS2017+CUDA9.2，在这里给予参考。 1.首先查看自己的电脑是否支持CUDA的图形处理器（GPU),一般电脑都可以，因为NVIDIA推出的每款GPU都能支持CUDA。 首先查看自己的GPU，右键此电脑，点击属性 选择设备管理器 选择显示设备器，在这里可以看到自己的GPU 对照英伟达官网链接检查自己的GPU是否支持CUDA 2. 查看适合自己的CUDA版本并下载 首先在控制面板中找到NVIDIA控制.
从GAN到WGAN（02/2）
gongdiwudu的专栏
06-14 1004
生成对抗网络 （GAN） 在许多生成任务中显示出巨大的效果，以复制现实世界的丰富内容，如图像、人类语言和音乐。它的灵感来自博弈论：两个模型，一个生成器和一个批评家，在相互竞争的同时使彼此更强大。然而，训练GAN模型是相当具有挑战性的，因为人们面临着训练不稳定或收敛失败等问题。在这里，我想解释一下生成对抗网络框架背后的数学原理，为什么很难训练，最后介绍一个旨在解决训练难点的GAN修改版本。
景芯SoC A72的时钟树分析
u011075954的专栏
06-13 586
innovus的ctslog中的Clock DAG信息可以报出来CTS主要运行步骤的关键信息，比如clustering，balancing做完后的clock tree的长度，clock tree上所用的buffer、inverter，icg cell数量，clock skew等信息。可以看到cell、sink的counts，也可以看到BUF、ICG的数量，接下来我们来看看景芯SoC A72 TOP的CLOCK ID和BUF个数的变化吧。先看下景芯SoC A72项目的cts latency变化过程。
基于自编码器的心电图信号异常检测（Python）
weixin_39402231的博客
06-17 135
使用的数据集来自PTB心电图数据库，包括14552个心电图记录，包括两类：正常心跳和异常心跳，采样频率为125Hz。
pytorch基础【3】torch运算
最新发布
wahahaha116的博客
06-17 548
view中一个参数指定为-1，代表自动调整这个维度上的元素个数，以保证元素的总数不变。
LSS 和 BEVDepth算法解读
pytorch内部机制解读
06-13 988
当前BEV的研究大都基于深度学习的方法，从组织BEV特征信息的方式来看，主流方法分属两类：自底向上方法和自顶向下方法。自底向上方法比较早的代表工作是LSS，后来BEVDet、BEVDepth等也是基于LSS的框架来进行优化。自底向上方法核心是：Lift——对各相机的图像显性地估计像平面下采样后特征点的深度分布，得到包含图像特征的视锥（点云）；Splat——结合相机内外参把所有相机的视锥（点云）分配到BEV网格中，对每个栅格中的多个视锥点进行sum-pooling计算，形成BEV特征图；
cuda+tensorrt部署
09-16
在开始cuda tensorrt部署之前，你需要打开Anaconda Prompt (Anaconda3)并按照以下命令配置镜像源： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值