Ubuntu 1804 安装 TensorRT(tar安装方式)CUDA 11.8

Tensorflow可以使用TensorRT加速,如果没有会出现Warning:Could not find TensorRT警告,本文将介绍如何在Ubuntu 18.04上以tar文件方式安装TensorRT(以CUDA 11.8为例)

参考NVIDIA 官方安装文档:安装指南 :: NVIDIA Deep Learning TensorRT Documentation 中的3.2.3节以tar方式安装

注:如果使用conda虚拟环境,需要先激活需要安装的环境后进行安装。

1. 下载tar安装包

注册并登陆 NVIDIA TensorRT Download | NVIDIA Developer

下载对应系统与CUDA版本的TensorRT包,GA是稳定版,EA是测试版,我下载的是8.6 GA版本(如果有CUDA 10.2 多版本需求,可以尝试安装8.5 GA):

2. 移动安装包到需要安装位置(本文使用/usr/share/下)

 按照安装包的名称填写下列命令并执行,我的是version=8.6.1.6, CUDA=11.8,修改这两个字段即可,其他的不用管

  • 8.x.x.x是您的 TensorRT 版本
  • cuda-x.x是 CUDA 版本
version="8.6.1.6"
arch=$(uname -m)
cuda="cuda-11.8"
tar -xzvf TensorRT-${version}.Linux.${arch}-gnu.${cuda}.tar.gz</span></span>

解压后使用ls查看包含以下目录

bin  data  doc  graphsurgeon  include  lib  onnx_graphsurgeon  python  samples  targets  uff

3. 将 TensorRT lib 目录的绝对路径添加到 环境变量LD_LIBRARY_PATH:

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/share/TensorRT-8.6.1.6/lib>

 

4.安装 Python TensorRT wheel 文件(将 cp3x 替换为 所需的 Python 版本,例如,用于 Python 3.8 的则为 cp38)

cd /usr/share/TensorRT-8.6.1.6/python
python3 -m pip install tensorrt-*-cp38-none-linux_x86_64.whl
(可选)安装 TensorRT 精益和调度运行时wheel文件:
python3 -m pip install tensorrt_lean-*-cp38-none-linux_x86_64.whl
python3 -m pip install tensorrt_dispatch-*-cp38-none-linux_x86_64.whl

 

5. 安装 Python UFF wheel 文件。仅当您计划使用 带有 TensorFlow 的 TensorRT,采用 UFF 格式。

cd /usr/share/TensorRT-8.6.1.6/uff

python3 -m pip install uff-0.6.9-py2.py3-none-any.whl
检查安装 跟:
which convert-to-uff

 

6. 安装 Python graphsurgeon wheel 文件。

cd /usr/share/TensorRT-8.6.1.6/graphsurgeon

python3 -m pip install graphsurgeon-0.4.6-py2.py3-none-any.whl

 

7. 安装 Python onnx-graphsurgeon wheel 文件。

cd /usr/share/TensorRT-8.6.1.6/onnx_graphsurgeon
	
python3 -m pip install onnx_graphsurgeon-0.3.12-py2.py3-none-any.whl

 

8. 验证安装:

输入python进入python

import tensorrt

print(tensorrt.__version__)

正常打印版本即安装完成 

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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