无需点击download的下载界面,直接可选TensorRT Download | NVIDIA Developer
下载的是 tar type (推荐):- TensorRT 10.5 GA for Linux x86_64 and CUDA 12.0 to 12.6 TAR Package
下载的是deb type: TensorRT 10.5 GA for Ubuntu 20.04 and CUDA 12.0 to 12.6 DEB local repo Package
环境准备测试
查看安装前准备环境:
(env) rooter@rooter-Legion-Y9000P-IRX9:~/CUDA$ python tensorrt_prepare_confog.py
Traceback (most recent call last):File "tensorrt_prepare_confog.py", line 1, in <module>import torchFile "/home/rooter/miniconda3/envs/env/lib/python3.8/site-packages/torch/__init__.py", line 290, in <module>from torch._C import * # noqa: F403
ImportError: /home/rooter/miniconda3/envs/env/lib/python3.8/site-packages/torch/lib/../../nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version libnvJitLink.so.12
出现这个错误通常意味着你的PyTorch环境遇到了与CUDA版本不兼容的问题。错误信息指出,PyTorch试图加载的libcusparse.so.12
库中缺少__nvJitLinkComplete_12_4
符号。这通常发生在以下情况:
- CUDA/cuDNN版本不匹配:你的CUDA或cuDNN版本与PyTorch构建时所依赖的版本不匹配。
- NVIDIA驱动版本不兼容:你的NVIDIA驱动版本与CUDA Toolkit版本不兼容。
- PyTorch版本与CUDA版本不匹配:你安装的PyTorch版本可能不支持你的CUDA版本。
我的CUDA版本是12.3,需要安装一个与CUDA 12.3兼容的PyTorch版本
pytorch gpu运行安装重点(CUDA12.3) 说cuda12.3可以兼容
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
所以运行环境监测
import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.backends.cudnn.version())
结果为如下,没有报错
(pytorch) rooter@rooter-Legion-Y9000P-IRX9:~/CUDA$ python tensorrt_prepare_confog.py
2.4.1+cu121
12.1
90100
开始安装
参考:TensorRT学习笔记–Ubuntu20.04安装TensorRT 8.2.5(ok)
使用tar的形式
参考:TensorRT学习笔记–Ubuntu20.04安装TensorRT 8.2.5
-
下载的:
TensorRT-10.5.0.18.Linux.x86_64-gnu.cuda-12.6.tar.gz -
安装依赖:
pip install ‘pycuda’
pip install onnxruntime-gpu -
解压并配置环境变量:
解压tar -zxvf TensorRT-10.5.0.18.Linux.x86_64-gnu.cuda-12.6.tar.gz
~/jeston/TensorRT-10.5.0.18 # 放在了jeston文件夹中
进入需要安装的环境,知道python版本等,不然可能不匹配
conda activate bisenet
安装tensorrt
pip install tensorrt-10.5.0-cp38-none-linux_x86_64.whl
安装(可选)
pip install nvidia-pyindex
pip install graphsurgeon
# 查看import onnxruntime as ortimport tensorrtprint(ort.get_device())print(ort.get_available_providers())print(tensorrt.__version__)
# 查看GPU['TensorrtExecutionProvider', 'CUDAExecutionProvider', 'CPUExecutionProvider']10.5.0
安装成功