该应用与已安装的应用不兼容,请卸载此应用 或下载最新的版本后再次尝试安装。

本文解决了在手机或模拟器上安装APK时遇到的INSTALL_FAILED_CONFLICTING_PROVIDER错误。通过调整authorities属性或注释掉相关代码段,可以有效避免安装过程中因提供者冲突导致的问题。

突如其来的骚动,扎不住啊!
手机安装APK莫名其妙的报错:
在这里插入图片描述

模拟器报错:

Installation did not succeed.
The application could not be installed: INSTALL_FAILED_CONFLICTING_PROVIDER
Installation failed due to: 'null'

解决办法:
修改authorities,如果用不上,整段代码注释掉即可。
在这里插入图片描述

<think>我们正在处理一个关于安装TensorRT后找不到应用的问题。用户提到是通过“应用商城”安装下载的TensorRT,但通常TensorRT并不会通过应用商城安装,而是通过下载压缩包.deb文件安装。根据引用内容,用户可能是按照教程将TensorRT的库和头文件复制到了系统目录,但无法通过命令行应用启动器找到TensorRT的可执行程序。 分析原因: 1. TensorRT安装包通常不包含图形界面程序,因此不会在应用商城中显示为可点击启动的应用程序。 2. 用户可能误解了“安装”的含义,实际上按照引用[1][2][3]中的步骤,只是将库和头文件复制到系统目录,这属于开发库的安装,并不会在系统菜单中创建应用程序图标。 3. TensorRT主要是一个用于加速推理的库,通常通过命令行编程接口调用,而不是作为一个独立的应用程序运行。 解决步骤: 1. 确认安装方式:用户提到“通过应用商城安装”,但TensorRT通常不在Ubuntu应用商城中。用户可能是下载了.deb文件然后通过软件中心安装(这相当于dpkg安装),但安装后没有可执行文件出现在应用菜单中,这是正常的。 2. 检查TensorRT安装是否成功:按照引用[3]的方法,在终端中运行Python,导入tensorrt并打印版本。 3. 如果用户期望使用TensorRT的样例程序,那么需要单独编译并运行这些样例。样例通常位于TensorRT安装包的samples目录下。 具体操作: 步骤1:验证TensorRT是否安装成功 打开终端,输入: ```bash python3 ``` 在Python交互环境中输入: ```python import tensorrt as trt print(trt.__version__) ``` 如果输出版本号(如8.x.x),则说明TensorRT库安装成功。 步骤2:寻找TensorRT示例程序(如果用户需要运行示例) 如果用户安装的是TensorRT的.deb包,示例程序可能位于: ```bash /usr/src/tensorrt/samples ``` 需要编译这些示例。进入其中一个示例目录,按照README进行编译。 步骤3:如果用户确实需要图形界面应用,则需要明确TensorRT本身并不提供,但可以使用其他基于TensorRT的应用程序。 因此,用户的问题可能在于对TensorRT的期望:它是一个开发库,而不是一个桌面应用程序。 如果用户发现import tensorrt失败,则说明安装步骤有问题,需要重新按照引用中的步骤安装。 重新安装步骤(如果验证失败): 1. 确保下载了正确的TensorRT版本CUDA版本匹配)。 2. 解压下载的TensorRT压缩包(假设为TensorRT-8.x.x.x.Ubuntu-xxxx.x86_64-gnu.cuda-x.x.tar.gz)。 3. 进入解压后的目录,执行: ```bash cd TensorRT-8.x.x.x ``` 4. 添加环境变量(临时): ```bash export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:`pwd`/lib ``` 者永久添加到~/.bashrc中: ```bash echo "export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:`pwd`/lib" >> ~/.bashrc source ~/.bashrc ``` 5. 安装Python包(根据需要,进入python目录,选择对应Python版本的.whl文件): ```bash cd python pip install tensorrt-*.whl ``` 6. 安装附加包(可选,如uff, graphsurgeon): ```bash cd ../uff pip install uff-*.whl which convert-to-uff # 检查是否安装成功 cd ../graphsurgeon pip install graphsurgeon-*.whl ``` 7. 复制库和头文件到系统目录(可选,但有时其他软件需要): ```bash sudo cp -r lib/* /usr/lib sudo cp -r include/* /usr/include ``` 8. 再次验证Python导入。 综上所述,用户找不到应用是因为TensorRT本身没有图形界面应用。如果验证安装成功,则用户可以开始使用TensorRT开发深度学习推理应用。 如果用户指的是使用应用商城安装其他软件(比如NVIDIA的应用),但安装后找不到,那么可能是安装过程中出现了问题,建议通过命令行启动尝试。 生成相关问题: 1. TensorRT安装后如何验证是否安装成功? 2. 如何运行TensorRT的示例程序? 3. 为什么TensorRT安装后没有图形界面? </think>在 Ubuntu 系统上通过应用商城安装 TensorRT 后找不到应用的问题,通常是因为 TensorRT 本身是一个开发库而不是图形界面应用程序。以下是详细的解决方法和验证步骤: ### 问题原因分析 1. **TensorRT 本质是库**:TensorRT 是 NVIDIA 的深度学习推理加速库,主要提供 API 供开发使用,不包含桌面应用程序图标 2. **安装方式差异**:应用商城通常安装的是运行时库,不会创建桌面快捷方式 3. **路径问题**:即使安装成功,也需要配置环境变量才能访问 ### 解决方法 #### 1. 验证 TensorRT 安装状态 ```bash # 检查 TensorRT 软件包是否已安装 dpkg -l | grep tensorrt # 查看 TensorRT 库文件是否存在 ls /usr/lib | grep libnvinfer ``` #### 2. 添加必要的系统路径(关键步骤) 根据引用[1][3]的建议,需要手动复制库文件和头文件: ```bash # 进入 TensorRT 安装目录(通常是 /usr/local/tensorrt) cd /usr/local/tensorrt # 复制库文件到系统库目录 sudo cp -r ./lib/* /usr/lib # 复制头文件到系统头文件目录 sudo cp -r ./include/* /usr/include # 更新动态链接库缓存 sudo ldconfig ``` #### 3. 配置环境变量 ```bash # 编辑 bashrc 文件 nano ~/.bashrc # 在文件末尾添加(路径替换为实际安装路径) export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/tensorrt/lib export TENSORRT_PATH=/usr/local/tensorrt # 使配置生效 source ~/.bashrc ``` #### 4. 验证安装是否成功 ```bash # 启动 Python 环境 python3 # 在 Python 中执行测试 >>> import tensorrt as trt >>> print(trt.__version__) # 应显示版本号如 8.4.3 >>> print(trt.Logger()) # 应显示日志对象信息 ``` ### 预期结果 1. Python 导入 tensorrt 模块成功 2. 能够获取版本号(如 `8.4.3`) 3. 日志对象正常输出(如 `<tensorrt.tensorrt.Logger>`) ### 注意事项 1. **CUDA 兼容性**:确保 TensorRT 版本 CUDA 版本匹配(参考 NVIDIA 官方文档)[^2] 2. **权限问题**:使用 `sudo` 执行系统级操作 3. **路径确认**:如果安装路径不同,替换上述命令中的 `/usr/local/tensorrt` 为实际路径 > 如果验证步骤失败,可能需要重新安装 TensorRT。建议参考 NVIDIA 官方文档完整卸载后重新安装[^2]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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