cuda11.6.2 + cudnn8.8.0 + tensorRT8.5.3 + pytorch1.13安装记录（亲测有效）

已于 2023-03-01 11:58:02 修改
阅读量2.5k 收藏 12
点赞数 4
分类专栏： 深度学习笔记 文章标签： 深度学习 pytorch tensorrt cuda
于 2023-02-16 16:20:04 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/qq_45723275/article/details/129061905
版权

cuda11.6.2 + cudnn8.8.0 + tensorRT8.5.3 + pytorch1.13 安装记录

1. cuda11.6.2 安装

1.1 cuda11.6.2 下载

由于本人下载时，cuda以及更新为12.0版本，需要进入以前的版本下载界面。
进入英伟达官网：

https://developer.nvidia.com/

在paltforms下找到cuda Toolkit 点击进入

在这里插入图片描述

进入cuda页面之后点击Download New

在这里插入图片描述
最后点击Archive of Previous CUDA Releases 即可进入以前版本的下载页面
在这里插入图片描述
找点cuda11.6.2版本，点击进入
在这里插入图片描述
最后选择自己电脑配置之后即可开始下载

在这里插入图片描述

1.2 cuda11.6.2 安装

找到第一步下载的cuda 11.6.2 安装包，双击

在这里插入图片描述
等待提取完成

在这里插入图片描述

下面进入安装界面，等待兼容性自检完成后点击同意并继续

在这里插入图片描述

选择自定义安装，点击下一步

在这里插入图片描述

全选，点击下一步

在这里插入图片描述
选择默认安装位置，点击下一步
在这里插入图片描述
等待安装完成
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.3 cuda11.6.2 安装测试

在cmd中检查cuda是否安装成功：nvcc -V
在这里插入图片描述

2. cudnn8.8.0 安装

2.1 cudnn8.8.0 下载

cudnn 下载需要登录英伟达账号，没有账号花几分钟注册一个即可
在主页下找到cudnn，点击进入
在这里插入图片描述
进入cudnn 也页面后点击Download cuDNN
在这里插入图片描述
之后安装下图操作即可
在这里插入图片描述

2.2 cudnn8.8.0 安装

右键解压
在这里插入图片描述
将解压后的三个文件添加到cuda的安装路径下

默认安装则在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6

在这里插入图片描述
在这里插入图片描述

2.3 cudnn8.8.0 安装测试

打开终端，进入cuda 安装路径下的extras\demo_suite文件夹，运行deviceQuery.exe

在这里插入图片描述
如果安装没有问题，则会出现 PASS

之后在运行 bandwidthTest.exe

在这里插入图片描述
PASS，恭喜你安装完成，安装完成

3 tensorRT8.5.3安装

3.1 tensorRT8.5.3下载

在主页找到TensorRT 点击进入
在这里插入图片描述
进入TensorRT 页面后点击Download now
在这里插入图片描述
点击TensorRT 8
在这里插入图片描述
安装下面步骤依次点击即可下载

在这里插入图片描述

3.2 tensorRT8.5.3安装

下载得到 zip 压缩包，解压。
TensorRT安装
任意顺序完成以下几步：
复制TensorRT-8.5.3.1\bin中内容到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
复制TensorRT的include文件夹到CUDA的include文件夹
复制TensorRT-8.5.3.1\lib文件夹中的lib文件到CUDA的lib\x64文件夹，dll文件到CUDA的bin文件夹

3.3 python tensorRT8.5.3安装测试

在cmd运行解压文件bin文件夹下trtexe.exe
在这里插入图片描述
出现如下，安装成功
在这里插入图片描述

3.4 python tensorRT8.5.3安装

使用pip install xxx.whl安装TensorRT-8.5.3.1文件夹中的，下述4个文件都需要安装
在这里插入图片描述
如下图所示：
在这里插入图片描述
使用 python 检查是否安装成功
在这里插入图片描述

3.5 vs 配置 tensorRT8.5.3

将以下路径加入当环境变量中：

~\TensorRT-8.5.3.1\lib ~ 表示你的存放路径，记得替换

vs环境设置

包含目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include
D:\Program Files\TensorRT-8.5.3.1\include

库目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib\x64
D:\Program Files\TensorRT-8.5.3.1\lib

附加依赖项

nvinfer.lib
nvinfer_plugin.lib
nvonnxparser.lib
nvparsers.lib
cublas.lib
cublasLt.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
cudnn.lib
cudnn64_8.lib
cudnn_adv_infer.lib
cudnn_adv_infer64_8.lib
cudnn_adv_train.lib
cudnn_adv_train64_8.lib
cudnn_cnn_infer.lib
cudnn_cnn_infer64_8.lib
cudnn_cnn_train.lib
cudnn_cnn_train64_8.lib
cudnn_ops_infer.lib
cudnn_ops_infer64_8.lib
cudnn_ops_train.lib
cudnn_ops_train64_8.lib
cufft.lib
cufftw.lib
curand.lib
cusolver.lib
cusolverMg.lib
cusparse.lib
nppc.lib
nppial.lib
nppicc.lib
nppidei.lib
nppif.lib
nppig.lib
nppim.lib
nppist.lib
nppisu.lib
nppitc.lib
npps.lib
nvblas.lib
nvjpeg.lib
nvml.lib
nvrtc.lib
OpenCL.lib

4 pytorch1.13 安装

4.1 pytorch1.13 安装

进入pytorch 官网，点击install
在这里插入图片描述
选择如下，在自己的python 环境使用pip命令进行安装
在这里插入图片描述

4.1 pytorch1.13 安装测试

打开终端，切换到pytorch安装环境下，检测程序如下：

import torch
print(torch.__version__)
print(torch.cuda.is_available())

在这里插入图片描述

小广向前进
关注
专栏目录
Ubuntu 20.04 安装NVIDIA+CUDA+CuDnn
weixin_41608849的博客
09-27 438
Ubuntu20.04快速安装Nvidia驱动 + CUDA Toolkit + cuDNN指南
deepin v20.6+cuda+cudnn+anaconda(miniconda)
qq_39821554的博客
08-09 904
deepin深度学习配置
cuda-11.6.2-511.65-windows.exe.zip
12-05
windowsx64系统上cuda11.6安装包，由于文件太大放百度网盘，如果失效请及时联系博主
thinkbook 16+ ubuntu22 cuda11.6.2 cudnn8.5.0
W1995S的博客
11-01 783
thinkbook16+ ubuntu22
Ubuntu1804安装cuda10和cudnn TensorRT
记录和分享
03-18 1003
这篇文章主要是讲安装cuda和cudnn的，我会一步一步详细说明。 Ubuntu安装Nvidia显卡驱动的操作，我这里就省略了。。。如果不知道如何装英伟达独显驱动，请评论区留言，留言超过十人，我会单独写一篇Ubuntu安装Nvidia显卡驱动的文章。 我的环境：Ubuntu1804 显卡驱动:435.21 我要安装cuda10 cudnn10.0 先分享一下我的资源 cuda1...
深度学习TensorRT安装，以及VS2019、CUDA、cuDNN匹配
mw的博客
11-17 2741
准备在Windows10上安装TensorRT用于深度学习，查询得知首先要安装CUDA和cuDNN，但安装之前要先安装VS，因为安装CUDA工具包时会自动安装vs中的一些插件，如果顺序反了的话，后续要手动配置，非常麻烦。当然安装之前还需要考虑自己电脑的配置，以及各版本之间是否匹配，减少不必要的麻烦！已经提前配置好pycharm和Anaconda,选用python = 3.9的版本。
ubuntu安装cuda/cuDNN/TensorRT
qq_42731705的博客
03-28 5076
Ubuntu安装和卸载CUDA和CUDNN Ubuntu 18.4 查看CUDNN版本
Pytorch GPU环境搭建全攻略：CUDA11.6 + cuDNN + Anaconda + Pycharm
搭建PyTorch1.11与CUDA11.3的GPU调试环境涉及显卡驱动更新、CUDA Toolkit安装、cuDNN配置、Anaconda环境创建、PyTorch安装以及PyCharm的集成。整个过程需要耐心和细心，每个步骤的正确执行都是确保环境顺利运行的...
PCL2022+CUDA11.6.2
07-22
PCL2022+CUDA11.6.2配置
Ubuntu22.04安装CUDA和cuDNN详细过程记录
热门推荐
专注人工智能，主攻CV
11-05 4万+
Ubuntu22.04安装CUDA和cuDNN详细过程记录
cudnn，适用于cuda11.6、windows、64位系统，内置cudnn64_8.dll
08-21
注意这里的版本！！！ 使用方法： 将bin、include里面的文件分别复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6”对应bin、include里面，将lib文件中的文件复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib\x64”中，32位的系统就放到Win32中。
tensorflow各个版本的CUDA以及Cudnn版本对应关系
云中寻雾的博客
08-26 2272
概述，需要注意以下几个问题： （1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 CUDA的本质是一个工具包（ToolKit）；但是二者虽然不一样的。 显卡驱动的安装： 当我们使用一台电脑的时候默认的已经安装了NVIDIA的显卡驱动，因为没有显卡驱动根本用不了显卡嘛，但是这个时候我们是没有CUDA可以用的
深度学习环境配置CUDA、cuDNN、Tensorrt及Anaconda虚拟环境
m0_66380820的博客
06-28 3142
深度学习环境的配置主要包括了CUDA、cuDNN、Tensorrt，这3个主要是配置电脑的运行环境。跑深度学习框架（例如yolov5）还会需要创建虚拟环境，使用Anaconda配置。下面一一介绍配置。个人目前配置版本为CUDA11.6，cuDNN8.4.1.50，Tensorrt8.4.1.5。
Ubuntu20.04 安装CUDA11.6、cuDNN
ssm1122的博客
06-13 1041
本文一切操作默认为x86_64架构，可输入uname -a。
cuda安装&cudnn安装 &tensorrt安装
体重51.00
04-03 2220
uname -a 查看系统版本一、 首先应该安装cuda，我一直出现错误，是因为服务器上cuda没有安装好https://developer.nvidia.com/cuda-downloads我要安装的是cuda 8.0，所以得找历史版本，legacy release。https://developer.nvidia.com/cuda-toolkit-archive 选择的是8.0 GA因为选择的...
cuda和cudnn和tensorrt的理解
qq_15821487的博客
06-27 2391
cuda参考：https://www.zhihu.com/question/409350643/answer/1361111350cuda是Compute Unified Device Architecture的缩写。中文叫统一计算架构。是为了让nvidia gpu可以完成通用计算任务的一种集成技术。我们通常可以使用的cuda框架有c，c++,fortran,python,java的，可以为数据大吞吐量的工作提供很好的加速功能。简单的来讲，就是为了让GPU可以不仅仅工作与自己的一幕三分地，而是利用自身的优势
记录-安装cuda与cudnn 及对应版本的tensorflow|pytorch
m0_63130443的博客
04-29 7819
安装 cuda 与 cudnn
【TensorRT】实际测试中有效对应的cuda版本和cudnn版本
LeonJin的博客
01-06 1万+
官网下载： https://developer.nvidia.com/nvidia-tensorrt-8x-download cuDNN Archive | NVIDIA Developer CUDA Toolkit Archive | NVIDIA Developer 实测1 显卡：Quadro P3200 (计算能力 6.1) CUDA：11.3.1（https://developer.download.nvidia.com/compute/cuda/11.3.1/local_insta
CUDA安装&cuDNN、TensorRT版本匹配
initative的博客
05-14 8092
模型部署推理时，涉及Trt与CUDA版本匹配的问题，本文记录一下如何查询匹配的CUDA，cuDNN和TensorRT版本，并配置安装。
TensorRT 安装
最新发布
07-24
TensorRT 是 NVIDIA 开发的一款深度学习优化框架，用于加速机器学习模型推理的速度并降低资源消耗。它基于 C/C++ 编程语言，并提供 Python 接口。为了安装 TensorRT，你需要按照以下步骤操作： ### 第一步：准备环境 1. **安装 CUDA 和 cuDNN**： - 访问 [CUDA Toolkit](https://developer.nvidia.com/cuda-downloads) 网站下载适合你的系统的 CUDA 版本。 - 安装完成后，在系统环境变量中添加 CUDA 的安装路径。 2. **获取 cuDNN**： - CUDA 安装过程中会自动下载并安装 cuDNN，确保选择与 CUDA 版本兼容的版本。 ### 第二步：配置环境 1. **设置环境变量**： - 设置 `PATH` 变量指向 CUDA 安装目录下的 bin 文件夹。 - 设置 `LD_LIBRARY_PATH` 变量指向包含库文件的目录。 2. **验证安装**： - 打开终端或命令提示符，输入 `nvcc -V` 来检查是否能成功识别 CUDA。 - 使用 `cudnnSearch()` 或其他 cuDNN API 函数来验证 cuDNN 是否正常工作。 ### 第三步：安装 TensorRT #### 通过源码安装 1. **下载 TensorRT 源码**： - 从 NVIDIA 的 GitHub 页面下载最新版本的源码仓库，地址通常位于 `https://github.com/NVIDIA/TensorRT/tree/master`. 2. **构建和安装**： - 解压下载的源码包到适当的目录。 - 进入解压后的目录。 - 配置构建脚本（如 `configure`），指定 CUDA 和 cuDNN 的安装路径。 - 运行 `make` 命令构建 TensorRT。 - 根据需要运行 `sudo make install` 来安装 TensorRT 到系统。 #### 通过 pip 安装（推荐） 如果你希望直接使用 Python 脚本进行安装，可以考虑使用 `pip` 工具来简化过程。首先，确保已安装 `pip` 并更新到最新版本： ```bash pip install --upgrade pip ``` 然后，通过 `pip` 直接安装 TensorRT： ```bash pip install nvidia-tensorrt ``` 注意，这种方式可能无法直接访问最新的预编译轮次或特定于系统版本的版本。对于更精确控制的部署，建议还是通过上述的源码安装方式。 ### 第四步：验证安装 完成安装后，可以在 Python 中导入 TensorRT 库并尝试一些基础功能以确认安装成功： ```python import tensorrt as trt # 创建 TensorRT 实例化上下文 context = trt.get_engine() # 使用上下文进行推理或其他相关操作... ``` 如果一切顺利，你应该能够看到导入 TensorRT 成功并且能够使用其功能。 --- ###
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