Ubuntu 16.04 + ROS1 + python2.7配置CUDA CuDNN TensorRT

1. 先明确自己的背景需求：
   1. 硬件环境：根据终端命令lspci | grep VGA查到N卡编号为249c，在网站PCI devices查到该显卡为3080 mobile。在CUDA GPUs - Compute Capability | NVIDIA Developer中查到该显卡的算力是8.6，在Compare GeForce Gaming RTX 30 Series Laptops | NVIDIA中查到是GPU架构为Ampere
   2. 软件环境：当前系统16.04，并且目标功能模块大量调用基于python2.7的ROS1
2. 下载。根据官方文档，而不是网上的攻略，找到CUDA+CuDNN+TensorRT的版本搭配组合。
   1. 在TensorRT的版本列表中（Documentation Archives :: NVIDIA Deep Learning TensorRT Documentation）
      1. 8.0 EA的Support Matrix中检查其支持16.04和算力8.6，但其Release Notes中提到Support for Python 2 has been dropped
      2. 7.2.3的Support Matrix和Release Notes中均没发现问题，确定版本TensorRT为7.2.3，下载地址https://developer.nvidia.com/nvidia-tensorrt-download
   2. 在TensorRT 7.2.3的Release Note中发现其搭配CUDA为11.2.1，CuDNN为8.1.1，在该版本CuDNN的Support Matrix上Support Matrix :: NVIDIA Deep Learning cuDNN Documentation确认支持搭配CUDA 11.2.1时支持NVIDIA Ampere GPU architecture，确定CuDNN版本为8.1.1，下载地址cuDNN Archive | NVIDIA Developer
   3. 在CUDA Toolkit Archive | NVIDIA Developer确认11.2.1支持16.04，下载地址CUDA Toolkit Archive | NVIDIA Developer
3. 安装
   1. CUDA：Installation Guide Linux :: CUDA Toolkit Documentation，使用nvcc -V确认安装
   2. CuDNN：Installation Guide :: NVIDIA Deep Learning cuDNN Documentation，使用文档内方法确认安装
   3. TensorRT：Installation Guide :: NVIDIA Deep Learning TensorRT Documentation，使用deb安装（tar不支持CUDA 11.2.1）重新登录系统后使用文档内方法确认安装
4. 重装
   1. TensorRT确认安装的例子无法跑通。参见链接并确认CUDA11.1.受到TensorRT7.2.3和CuDNN8.1.1支持后，重装CUDA11.1和CuDNN8.1.1后，跑通TensorRT中的mnist数据推理（需按data-mnist中readme下载数据）Unable to use TensorRT 7.2.3 for Ubuntu 18.04 and CUDA 11.2 - TensorRT - NVIDIA Developer Forums