- 先明确自己的背景需求:
- 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
- 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
- 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。
- 在TensorRT的版本列表中(Documentation Archives :: NVIDIA Deep Learning TensorRT Documentation)
- 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
- 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
- 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
- 在CUDA Toolkit Archive | NVIDIA Developer确认11.2.1支持16.04,下载地址CUDA Toolkit Archive | NVIDIA Developer
- 在TensorRT的版本列表中(Documentation Archives :: NVIDIA Deep Learning TensorRT Documentation)
- 安装
- CUDA:Installation Guide Linux :: CUDA Toolkit Documentation,使用nvcc -V确认安装
- CuDNN:Installation Guide :: NVIDIA Deep Learning cuDNN Documentation,使用文档内方法确认安装
- 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
- 重装
- 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
Ubuntu 16.04 + ROS1 + python2.7配置CUDA CuDNN TensorRT
于 2022-08-26 17:36:02 首次发布