TensorRT_Win10上WSL实践篇

往事如yan

已于 2023-12-12 20:24:31 修改

阅读量857

点赞数 12

文章标签： TensorRT

于 2023-12-05 14:34:55 首次发布

本文链接：https://blog.csdn.net/txpp520/article/details/134789744

版权

1、查看电脑的GPU是否支持TensorRT 这篇

Compute Capability，记得这个关键词

各个显卡算力查询：CUDA GPUs - Compute Capability | NVIDIA Developer

例如，我的笔记本 NVIDIAGeForce RTX 3070 Laptop GPU 显卡：8.6

公司服务器算力：

GeForce RTX 3090

8.6

工程：
煤流检测 yolov8 的分割模型

环境：

首先打开WSL

wsl -d Ubuntu-22.04

1. WSL升级WSL2（必做）

WSL v1不支持直接使用Windows的GPU，就算做了下面的所有步骤也没办法用，torch.cuda.is_available()会永远返回FALSE，所以一定要检查使用的WSL版本，打开Powershell或者命令提示符输入：

wsl -l -v

查看VERSION下的数字，如果是1要升级到2，具体步骤请参考：Lighten：WSL1升级为WSL2

2. 安装 pytorch，cuda，cudnn

首先

因为yolov8 好像支持最新的pytorch 2.0.0系列，那我安装最新的

pytorch 2.1.1，需要 CUDA 11.8

通过 conda search cudatoolkit --info 查询存在 CUDA 11.8 安装包，

再看一下conda提供的所有cudatoolkit 查看cudnn版本: conda search cudnn --info ，也有

CUDA 11.8 对应的 cudnn 版本，那就安装这个pytorch 2.1.1。

cudatoolkit 11.8.0 h6a678d5_0
-----------------------------
file name : cudatoolkit-11.8.0-h6a678d5_0.conda
name : cudatoolkit
version : 11.8.0
build : h6a678d5_0
build number: 0
size : 630.7 MB
license : NVIDIA End User License Agreement
subdir : linux-64
url : https://repo.anaconda.com/pkgs/main/linux-64/cudatoolkit-11.8.0-h6a678d5_0.conda
md5 : 74f6c43e0670ebe1d1f8b7130d24030f
timestamp : 2023-05-02 04:09:43 UTC
constraints :
- __cuda >=11.0
dependencies:
- libgcc-ng >=11.2.0
- libstdcxx-ng >=11.2.0

然后安装你想要的cudatoolkit: conda install cudatoolkit==11.8.0

CUDA 11.8 对应的 cudnn 版本：

cudnn 8.9.2.26 cuda11_0
-----------------------
file name : cudnn-8.9.2.26-cuda11_0.conda
name : cudnn
version : 8.9.2.26
build : cuda11_0
build number: 0
size : 469.4 MB
license : Proprietary
subdir : linux-64
url : https://repo.anaconda.com/pkgs/main/linux-64/cudnn-8.9.2.26-cuda11_0.conda
md5 : e589bfd90e598c42a088794e61ad6be2
timestamp : 2023-07-04 12:30:52 UTC
dependencies:
- cudatoolkit 11.*

安装你想要的cudatoolkit: conda install cudnn==8.9.2.26

python

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

上面安装的cuda 在 WSL2 里好像好像用不了，还是得用下面的：

WSL2 的开发环境配置 (基础配置, 网络代理, CUDA, Python, Fortran, Latex, 服务器配置) - 知乎

安装 CUDA Toolkit. 首先测试nvcc -V, 应该是不能用的. 它会提示你用如下命令安装:
sudo apt install nvidia-cuda-toolkit. 我知道你很急, 但是先别急.
- 在官网CUDA Toolkit 12.1 Downloads | NVIDIA Developer, 可以选择WSL2 Ubuntu, 然后得到你安装所需要的一系列命令. 这安装的是最新的12.1版本. 在历史版本的连接中, 也可以选择老的版本.

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run

配置环境变量，将cuda对应的路径添加进去。

vi /etc/profile
export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH

然后再nvcc -V 应该就可以正常显示了。

下载安装 cudnn

cuDNN Archive | NVIDIA Developer

比如我下载的是：Download cuDNN v8.9.6 (November 1st, 2023), for CUDA 11.x

Local Installer for Linux x86_64 (Tar)

下载，解压，然后在 ~/.bashrc

vi ~/.bashrc

上面的cuda完事后，在
/mnt/d/TensorRT/TensorRT-8.6.1.6/samples/sampleOnnxMNIST
再次执行 make，就成功了。

或者：

vi ~/.bashrc

export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH

source ~/.bashrc

3. 安装 TRT 相关工具链

按照这篇文章来：yolov8 tensorrt模型加速部署[实战] - 知乎

2.2.4 下载 tensorrt8.6.1

下载地址： TensorRT SDK | NVIDIA Developer

tensorrt8.6.1开发官方文档：

4. 测试TensorRT可用

# 快速验证一下tensorrt+cuda+cudnn是否安装正常
cd /mnt/d/TensorRT/TensorRT-8.6.1.6/samples/sampleOnnxMNIST
make
cd ../../bin/

导出tensorrt环境变量(it is important!)，注：将LD_LIBRARY_PATH:后面的路径换成你自己的！后续编译onnx模型的时候也需要执行下面第一行命令

sudo vi ~/.bashrc

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/mnt/d/TensorRT/TensorRT-8.6.1.6/lib

source ~/.bashrc

上面都OK后，打开 bin 目录，执行上一步编译得到的示例程序

cd /mnt/d/TensorRT/TensorRT-8.6.1.6/bin
./sample_onnx_mnist

运行结果

总之，tensorrt安装完成后，在python环境下import tensorrt看能不能成功，并且编译一下官方的sampleMnist的例子，如果都可以的话，就安装成功了。

5. 后记

上面只是跑通了TRT加载 onnx模型做推理的代码，后续还有怎么把 yolov8 的分割模型转成 trt 适配的 engine模型，然后用 trt 推理。

见这篇：

yolov8模型转onnx模型和 tensorRT 模型-CSDN博客

6. bug

1、CUDA lazy loading is not enabled

有说，trt 和 cuda 不匹配造成的，有说没有开启造成的。也有说 CUDA版本要大于11.8

CUDA lazy loading is not enabled-CSDN博客

2、前面一直跑样例程序 sample_onnx_mnist 没跑通的主要原因

是 TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.8.tar 解压到 TensorRT-8.6.1.6 文件夹里的的东西没解压完整，没有用 sudo 文件解压，或者没有给某些文件夹写入等的权限。