TensorRT(一)Windows+Anaconda配置TensorRT环境 (Python版 )

ZhouJianGuos

已于 2022-05-07 18:28:57 修改

阅读量1.4w

点赞数 30

分类专栏： TensorRT 文章标签： python

于 2022-04-02 18:28:29 首次发布

本文链接：https://blog.csdn.net/JianguoChow/article/details/123926491

版权

TensorRT 专栏收录该内容

3 篇文章

订阅专栏

本文详述了在Windows10环境下，如何使用Anaconda创建虚拟环境并安装TensorRT、CUDA Toolkit和CuDNN。步骤包括创建虚拟环境、安装CUDA Toolkit、安装CuDNN、配置TensorRT系统环境变量、安装TensorRT及其依赖Pycuda，并通过样例测试验证安装成功。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原文地址：ZhouJianGuo|个人博客https://www.zhoujianguo.ltd/#/fore/article?id=134

本文主要记录一下，windows+Anaconda配置TensorRT的教程，通过此教程配置完TensorRT后，可以在Anaconda的虚拟环境内使用TensorRT

注意：本文背景环境为Windows 10 和 Anaconda已经安装好，若没有安装好，可以参考之前的一篇文章 点击这里进行跳转，里面记录了Anaconda的相关教程

一、创建虚拟环境

进入conda命令控制台，进入方法如下图所示

输入以下指令

conda create -n tensorrt python=3.8

输入y即可，输入以下指令进入创建好的虚拟环境

activate tensorrt

二、安装CudaToolKit

前往官网下载cudatoolkit，点击这里进行跳转，选择合适的版本后下载，建议下载local包，一步到位，本教程的环境是windows 10，选择结果如下图所示

下载完成后全程next即可

，安装完成以后，可以输入以下指令以检测cudatoolkit是否可用

nvcc -V

三、安装CUDNN

前往官网下载cudnn安装包点击这里进行跳转，注意要选择与cudatoolkit版本相兼容的cudnn，这里我们选择cudnn8.2.1对应的windows版本，如下图所示：

下载解压后可以看到有lib include bin三个子目录，如下图所示，将这三个子文件夹直接复制

复制完毕后，打开cudatoolkit的安装目录，例如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA，然后直接对应版本的cudatoolkit文件目录下粘贴即可，如下图所示

还需要将cudatoolkit目录下的bin、include和lib路径添加到环境变量中。右键桌面的此电脑，点击左侧最下方的高级系统设置，如下图所示

选择环境变量，如下图所示

点击系统环境变量的path，点击新建，将刚才复制的路径粘贴进来，如下图所示（注意：默认bin目录已经是系统环境变量的，如下图第一条所示，如果已经有的话就不要再添加bin的路径了）

四、安装TensorRT

4.1 下载TensorRT

首先,前往官网下载TensorRT点击这里进行跳转，这一步需要注册为英伟达开发者用户，这里就不再过多介绍了，登录后会出现不同版本的tensorrt资源，如下图所示。

本文使用的是tensorrt版本为8，点击展开，根据系统版本以及cudatoolkit版本选择对应的资源，根据本文背景环境，选择的版本如下图所示：

4.2 配置TensorRT系统环境变量

下载完毕后，进行解压，并且进入lib子文件夹，如下图所示，将路径复制下来，例如，C:\Users\admin\Downloads\Compressed\TensorRT-8.2.1.8\lib

依次确定保存出来即可。

4.3 安装TensorRT依赖

进入刚才解压后的TensorRT文件夹内的python子目录，根据python版本选择好对用的whl文件，如下图所示。

重新打开conda控制台（一定要重新打开，环境变量发生改动后，cmd并不会刷新！！），重新进入tensorrt的虚拟环境。

activate tensorrt

拼接路径 C:\Users\admin\Downloads\Compressed\TensorRT-8.2.1.8\python\tensorrt-8.2.1.8-cp38-none-win_amd64.whl，输入以下指令并执行，执行结果如下图所示。

pip install C:\Users\admin\Downloads\Compressed\TensorRT-8.2.1.8\python\tensorrt-8.2.1.8-cp38-none-win_amd64.whl

安装完成后会出现successfully的字样，到这里tensorrt已经安装结束

五、安装Pycuda

pycuda依赖是封装好的cuda api接口，可以用来申请显存等操作。

前往下载合适的版本，点击这里跳转，如下图所示。

进入下载的位置，拼接好路径，例如：c:\users\admin\downloads\pycuda-2021.1+cuda115-cp38-cp38-win_amd64.whl

进入tensorrt虚拟环境后，输入以下指令安装pycuda

pip install c:\users\admin\downloads\pycuda-2021.1+cuda115-cp38-cp38-win_amd64.whl

安装完成后会提示successfully installed的信息

六、测试TensorRT 样例

tensorrt官方提供了可供测试的样例，进入刚才下载好的tensorrt文件夹下面的samples\python\目录下，这里我们选择一个手写数字识别的示例，如下图所示。

拷贝路径，在tensorrt的虚拟环境下，cd 此路径，然后输入如下指令

python sample.py

此时会进行训练，并且在训练结束后给出相应的预测结果，如下图所示，到此为止，tensorrt已经彻底安装完毕

七、结语

可能是因为使用PC配置tensorrt的人比较少，再加上anaconda环境下，使用的人更加少之又少，其实安装教程，英伟达有参考文档的（在tensorrt安装包解压目录下的doc子目录，纯英文版），但是里面并没有提到anaconda。这次配置环境后我才明白anaconda和操作系统的环境并不是上下层关系，而是并存关系，即操作系统存在的依赖，虚拟环境都会有，但是反之则不是。