TensorRT部署-Windows环境配置

系列文章目录

文章目录

系列文章目录
前言
一、安装Visual Studio （2019）
二、下载和安装nvidia显卡驱动
三、下载CUDA
四、下载安装cuDNN
五、安装Anaconda
六、TensorRT安装
七、安装Opencv
八、Cmake 配置
总结

前言

TensorRT部署-Windows环境配置

一、安装Visual Studio （2019）

建议安装2019版本，不然容易和cmake版本不匹配。

下载链接：https://visualstudio.microsoft.com/zh-hans/downloads/

注意：安装时可勾选“Python开发”和“C++开发”

二、下载和安装nvidia显卡驱动

首先要在设备管理器中查看你的显卡型号。打开设备管理器，在显示适配器下查看，如下RTX3050。
在这里插入图片描述
NVIDIA 驱动下载:https://www.nvidia.cn/Download/index.aspx?lang=cn

下载安装完成之后在cmd中输入执行

nvidia-smi

如果出现以下显卡信息，说明安装成功。在这里插入图片描述
注：图中的 CUDA Version是当前Driver版本能支持的最高的CUDA版本，不是已经安装的版本

三、下载CUDA

cuda下载地址：https://developer.nvidia.com/cuda-downloads?target_os=Windows
在这里插入图片描述

旧版本的CUDA地址：https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述

我的版本是11.6
查看cuda版本命令

nvcc --version

在这里插入图片描述
将cuda运行安装，建议默认路径,安装完成后设置环境变量，系统变量里增加CUDA_PATH和CUDA_PATH_V11_8两个环境变量。

四、下载安装cuDNN

cudnn下载地址：https://developer.nvidia.com/cudnn（记得先登录nvidia账号）

我的cuDNN版本是cuDNN v8.9.6，查看cuDNN方法如下

先进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include，查找include下的
cudnn_version.h文件。

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 9
#define CUDNN_PATCHLEVEL 6

里面的这个就代表是8.9.6版本
就版本下载地址：https://developer.nvidia.com/rdp/cudnn-archive
在这里插入图片描述
选第一个zip的就行。

安装cuDNN

复制cudnn文件

对于cudnn直接将其解开压缩包，然后需要将bin,include,lib中的文件复制粘贴到cuda的文件夹下
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6。

注意：对整个文件夹bin,include,lib选中后进行复制粘贴

五、安装Anaconda

下载地址：https://www.anaconda.com/
直接安装即可

安装好之后打开Anaconda Prompt,创建虚拟环境。

conda create -n mypytorch python=3.9

安装完成后激活环境

conda activate mypytorch

在所创建的mypytorch环境下安装pytorch, 执行命令

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

六、TensorRT安装

官网教程：https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html

下载安装包：https://developer.nvidia.com/tensorrt

在这里插入图片描述

我下的是8.6.1.6,接下来按照以下步骤配置一下就行。

将下载的压缩文件拷贝进来解压
解压得到TensorRT-8.6.1.6的文件夹，将里边的lib绝对路径添加到环境变量Path中，即 D:\TensorRT-TensorRT-8.6.1.6\lib
将TensorRT解压位置 D:\TensorRT-TensorRT-8.6.1.6\lib下的所有dll文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin目录下

如果要使用python接口的tensorrt，则需要安装pycuda。
先进入刚刚创建的虚拟环境，在mypytorch虚拟环境下执行：

pip install pycuda

测试TensorRT示例代码

配置VS2019
用VS2022打开sampleMNIST示例sln文件: D:\TensorRT-8.6.1.6\samples\sampleOnnxMNIST

a. 将D:\TensorRT-8.6.1.6\lib加入项目->属性->VC++目录–>可执行文件目录

b.将D:\TensorRT-8.6.1.6\lib加入 VC++目录–>库目录

c. 将D:\TensorRT-8.6.1.6\include加入C/C++ --> 常规 --> 附加包含目录

d.将nvinfer.lib、nvinfer_plugin.lib、nvonnxparser.lib和nvparsers.lib加入链接器–>输入–>附加依赖项,再添加这个D:\TensorRT-8.6.1.6\lib*.lib
在这里插入图片描述

配置完成后，点击上面的生成->生成解决方案进行编译

七、安装Opencv

下载地址：https://opencv.org/releases/
我下的是4.7，安装后记得配置系统环境变量，D:\opencv\build\x64\vc16\bin
在这里插入图片描述

八、Cmake 配置

下载tensorrtx https://download.csdn.net/download/m0_70420861/88754757spm=1001.2014.3001.5503
修改CMakeLists.txt，根据自己电脑上的软件位置和GPU架构做相应的修改。如下，改了opencv和Tensorrt的地址还有这个set(CUDA_NVCC_FLAGS ${CUDA_NVCC_FLAGS};-std=c++11;-g;-G;-gencode;arch=compute_86;code=sm_86)架构，查一下自己的是不是86

cmake_minimum_required(VERSION 3.10)project(yolov8)add_definitions(-std=c++11)
add_definitions(-DAPI_EXPORTS)
set(CMAKE_CXX_STANDARD 11)
set(CMAKE_BUILD_TYPE Release)#change to your own path
##################################################
set(OpenCV_DIR "D:/opencv/opencv/build")
set(TRT_DIR "D:/TensorRT/TensorRT-8.6.1.6")
################################################### setup CUDA
find_package(CUDA REQUIRED)
message(STATUS "    libraries: ${CUDA_LIBRARIES}")
message(STATUS "    include path: ${CUDA_INCLUDE_DIRS}")
include_directories(${CUDA_INCLUDE_DIRS})
include_directories(${Dirent_INCLUDE_DIRS}) #change to your GPU own compute_XX
###########################################################################################
set(CUDA_NVCC_FLAGS ${CUDA_NVCC_FLAGS};-std=c++11;-g;-G;-gencode;arch=compute_86;code=sm_86)
###############################################################################################
enable_language(CUDA)  # add this line, then no need to set up cuda path in vs
####include_directories(${PROJECT_SOURCE_DIR}/include)
include_directories(${TRT_DIR}/include)
include_directories(${TRT_DIR}/samples/common)include_directories(${PROJECT_SOURCE_DIR}/include)
include_directories(${PROJECT_SOURCE_DIR}/plugin)
link_directories(${TRT_DIR}/lib)add_library(myplugins SHARED ${PROJECT_SOURCE_DIR}/plugin/yololayer.cu)
target_link_libraries(myplugins nvinfer cudart)find_package(OpenCV)
message(STATUS "OpenCV library status:")
message(STATUS "    version: ${OpenCV_VERSION}")
message(STATUS "    libraries: ${OpenCV_LIBS}")
message(STATUS "    include path: ${OpenCV_INCLUDE_DIRS}")include_directories(${OpenCV_INCLUDE_DIRS})file(GLOB_RECURSE SRCS ${PROJECT_SOURCE_DIR}/src/*.cpp ${PROJECT_SOURCE_DIR}/src/*.cu)
add_executable(yolov8 ${PROJECT_SOURCE_DIR}/main.cpp ${SRCS})target_link_libraries(yolov8 nvinfer)
target_link_libraries(yolov8 cudart)
target_link_libraries(yolov8 myplugins)
target_link_libraries(yolov8 ${OpenCV_LIBS})