deepstream tensorrt默认路径

已于 2022-10-17 17:06:45 修改
阅读量1.3k 收藏
点赞数
分类专栏： c++入门宝典 文章标签： java 服务器 前端
于 2022-10-17 17:02:41 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/jacke121/article/details/127368482
版权
本文档介绍了如何查看DeepStream安装时自带的TensorRT版本，以及如何配置nvcc环境变量。同时，通过查找头文件和库文件的方式确定TensorRT的路径，并列举了相关库文件清单。
摘要由CSDN通过智能技术生成

目录

查看deepstream tensorrt版本

配置nvcc

查看tensorrt路径：

lib清单：

deepstream 安装时，tensorrt可能一起自动安装了，

查看版本：

tensorrt下载目录：

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

查看deepstream tensorrt版本

deepstream-app --version-all

配置nvcc

export PATH=/usr/local/cuda-10.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH

生效：source ~/.bashrc
验证：nvcc -V

原文链接：https://blog.csdn.net/qq

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AI算法网奇
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
英伟达DeepStream学习笔记2——deepstream_sdk文件夹解析
耶律大石的博客
04-20 1968
英伟达DeepStream学习笔记2——deepstream_sdk文件夹解析1 、整体结构2、 samples文件夹2.1 configs子文件夹2.2 models子文件夹2.3 streams子文件夹3 、sources文件夹3.1 apps子文件夹3.2 gst-plugins子文件夹3.3 libs子文件夹3.4 目标检测文件夹![在这里插入图片描述](https://img-blog.csdnimg.cn/20210420171958834.png?x-oss-process=image/wat
TensorRT安装
12-21
TensorRT安装以及相关配置 看到很多tensorrt安装教程有一些问题,所以我安装完后写这篇记录并分享一下. 1.下载tar包 TensorRT官方API提供了四种安装方式，建议下载tar包进行安装。下载地址https://developer.nvidia.com/tensorrt 2. 安装TensorRT 2.1 解压 tar xzvf TensorRT-6.0.1.5..-gnu.cuda-10.1.cudnn7.x.tar.gz 2.2 添加环境变量 $ vim ~/.bashrc # 打开环境变量文件 # 将下面三个环境变量写入环境变量文件并保存 export LD_LIBR
TensorRT安装及验证
jiugeshao的专栏
02-24 1万+
博主的一些基本环境配置可见之前博客非虚拟机环境下Ubuntu配置_jiugeshao的专栏-CSDN博客 第一步: 准备安装Anaconda Anaconda3-5.2.0-Linux-x86_64.shhttps://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh
jetson nano在conda虚拟环境无法使用tensorrt问题
m0_74808156的博客
07-27 267
home/x/archiconda3/envs/yolov8/lib/python3.8/site-packages/tensorrt ----------这个目录则是我虚拟环境中的目录，我的anaconda安装在/home/x/下，虚拟环境名称为yolov8且python版本为3.8，tensorrt这个文件夹不需要自己创建。到此，你的虚拟环境中便可以在python脚本中直接使用tensorrt了。这会在终端打印出有关tensorrt包的路径，你需要将它记住。直接打开一个新的终端输入以下命令。
Deepstream6.0-Jetpark4.6-yolov5-v6.0-tensorRT-Jetson-xavier-nx项目部署环境搭建
shuai_yue的博客
01-04 1406
安装Deepstream-sdk6.0版本的，或者支持的Jetback的版本是4.6版本，如果是Jetback其他版本的话，检查需要是4.5或者4.5.1的版本，然后两个不同版本的代码还有轻微的区别，Deepstream6.0的版本增加了python的一些插件，和更改了追踪器的使用方法，具体可以阅读，英伟达的说明文档，接下来先说明安装Jetback4.6 + Deepstream-sdk6.0的 版本，也是比较新的，最近更新就在两个月前。JetBack 4.6 Deepstream-sdk 6.0版本。
tensorRT安装
Loong Cheng的博客
09-10 2560
目录 1 参数 2pycuda 安装 3 TensorRT安装 3.1 下载安装包 3.2安装指令 3.3 测试 4 报错分析 4. 1 在使用python API 调用 import tensorrt as trt 时，出现_py_Zero 异常： 4.2 引用不出来 不别不扯淡了，安装了好久才弄好。 1 参数 尽量一致 要不报错 cuda版本 5....
tensorrt8.5.2安装，并解决CMAKE找不到tensorrt问题
weixin_41653613的博客
07-12 1219
tensorrt8.5.2安装，并解决CMAKE找不到tensorrt问题
yolov5s模型转tensorrt+deepstream检测+CSI和USB摄像头检测
热门推荐
weixin_54603153的博客
09-03 1万+
前言 把自己训练好的yolov5s.pt转为tensorrt模型是为了实现推理加速，过程也非常简单，不过有一点就是网上的教程很多但是yolov5的代码版本也有很多，所以导致很多操作有一些不同，所以建议直接去大佬的开源看他的readme，下面我就来说一下我yolov5-5.0的转换过程 以下步骤都是在jetson nano上进行 一、安装pycuda sudo pip3 install pycuda 这里我直接安装出现了错误 安装不上，于是我们只能进行自己编译安装 安装前先配置环
Ubuntu20.04安装DeepStream6.1--台式PC主机安装deepstream方法总结
pvmsmfchcs的博客
05-09 465
Ubuntu20.04安装DeepStream6.1。
使用DeepStream5.0部署YOLOV3，并实现多路拉流、自定义模型
CV前沿
03-30 5035
一、前言 本文介绍基于DeepStream5.0和YoloV3目标检测模型来实现车辆和行人检测的部署过程。在第二部分介绍依赖的环境；第三、四部分介绍YoloV3的样例工程和编译运行过程；第五部分介绍如何实现多路拉流；第六部分介绍如何自定义YOLOV3模型；最后是小结和参考资料。 希望本文尽可能的详细和清晰，让大家在动手尝试过程中少走弯路，一步到位。 二、环境准备 Cuda10.2 Jetpack4.4 Ubuntu18.04 DeepStream SDK >= 5.0 硬件设备我这里使用的是NVID
wsl2-Ubuntu CUDA Tensorrt Deepstream安装配置
爬山的咸鱼
03-17 2737
一.背景 一.准备 首先wsl2下安装好ubuntu，cuda，cudnn 下载tensorrt 地址：https://developer.nvidia.com/nvidia-tensorrt-download deepstream下载地址 二.环境 安装trt tar -xzvf TensorRT-8.4.0.6.Linux.x86_64-gnu.cuda-11.6.cudnn8.3.tar.gz export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/mnt/e/Prog
ubuntu安装tensorrt
xihuanniNI的博客
04-20 4121
首先确认ubuntu、cuda、cudnn版本，在nvidia官网下载相应版本的tensorrt。 https://developer.nvidia.com/nvidia-tensorrt-download 1 下载tar格式的package (1) c++ tar -xzvf TensorRT-xxxxx.tar 添加环境变量： #解压得到TensorR文件夹，将里边的lib绝对路径添加到环境变量中 vim ~/.bashrc export LD_LIBRARY_PATH=$L..
jetson orin nx找到自带的tensorrt
最新发布
cyh20182808的博客
09-03 280
分别是/usr/src/tensorrt/bin/trtexec和/usr/src/tensorrt/sample/trtexec。如果这时候进入/usr/src/tensorrt/bin文件夹后使用trtexec命令显示command not found。ok，这次我们再输入trtexec --help或转engine文件就可以了。这里你自己的路径是什么就写什么，然后保存。我们就手动加上环境变量。
tx2入门系列，及tensorrt
YahamaTarGe的博客
03-19 800
https://blog.csdn.net/haoqimao_hard/article/details/80516828
视觉学习笔记11——TensorRT安装配置及使用
qq_45848817的博客
05-26 1361
一般的深度学习项目，训练时为了加快速度，会使用多 GPU 分布式训练。但在部署推理时，为了降低成本，往往使用单个 GPU 机器甚至嵌入式平台（比如 NVIDIA Jetson）进行部署，部署端也要有与训练时相同的深度学习环境，如 caffe，TensorFlow 等。由于训练的网络模型可能会很大（比如，inception，resnet 等），参数很多，而且部署端的机器性能存在差异，就会导致推理速度慢，延迟高。这对于那些高实时性的应用场合是致命的，比如自动驾驶要求实时目标检测，目标追踪等。
deepstream安装方法，tensorrt安装，快速安装方法_deepstream6.1.1_cuda11.4/12.0_(二)
pvmsmfchcs的博客
04-16 396
链接: https://pan.baidu.com/s/1TueMVAcjIz0NeDN59-euLg 提取码: 6em8。如果用deb方式安装CUDA、cuDNN，则TensorRT也需要deb方式安装，否则报错；先确定需要安装的TensorRT版本，再确定对应的CUDA和cuDNN版本；如果CUDA已经安装好了，找到对应版本的TensorRT版本安装即可；3,deepstream安装方法。
在linux环境下，使用find查找某个文件的指定路径
求真、务实
01-07 2844
你是不是会遇到，忘记某个文件放到那个位置，或者不确定有没有这个文件，没关系，find命令带你找一找： 1、find命令查找格式 find 要查询路径 -name 要查询文件名 查找指定文件名 (base) shl@zhihui-mint:~$ find ./ -name mail.exe ./Downloads/mail.exe (base) shl@zhihui-mint:~$ 当不确定文件的具体名字时，可以使用正则的方式查找： (base) shl@zhihui-mint:~/shl_res$
deepsort tensorrt c++
07-28
对于使用DeepSORT与TensorRT的C++开发，你可以按照以下步骤进行： 1. 安装TensorRT：首先，你需要在你的系统上安装NVIDIA TensorRT。你可以从NVIDIA官方网站上下载TensorRT并按照安装指南进行安装。 2. 准备模型：DeepSORT是一个目标跟踪算法，它通常与目标检测模型一起使用。如果你已经有了目标检测模型，可以跳过这一步。否则，你需要选择和训练一个适合你任务的目标检测模型，并将其转化为TensorRT可接受的格式。你可以使用TensorRT提供的工具或者使用其他库（如ONNX Runtime）来完成这个步骤。 3. 创建TensorRT引擎：一旦你准备好了目标检测模型，你需要使用TensorRT来创建一个推理引擎。这个引擎将负责加载和执行模型。你可以使用TensorRT的C++ API来编写代码，加载模型并创建引擎。 4. 处理输入和输出：在C++代码中，你需要定义输入和输出的格式，并为它们分配内存。对于DeepSORT来说，输入通常是图像或视频帧，输出是目标的跟踪结果。 5. 执行推理：在C++代码中，你可以使用TensorRT提供的API来执行推理。将输入数据传递给引擎，然后获取输出结果。 6. 解析和可视化结果：最后，你可以解析输出结果，并将其可视化，以便进行进一步的分析或展示。 这只是一个简单的概述，具体实现的细节会根据你的具体需求和使用的库而有所不同。你可以查阅TensorRT的文档和示例代码，以获取更详细的信息和指导。希望这些步骤能对你有所帮助！
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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