### 在
Ubuntu 系统中安装 TensorRT 8
.6
#### 准备工作
在开始之前，需确认操作系统和硬件环境满足以下条件：
- 使用支持的操作系统版本（如
Ubuntu 18.04 或 20
.04）。
- 已正确配置 NVIDIA GPU 驱动程序以及对应的 CUDA 和 cuDNN 版本。
对于不同的操作环境组合，可以选择适合的安装包形式。以下是两种常见的安装方法：
---
#### 方法一：通过 DEB 包本地仓库安装（适用于
Ubuntu 18.04）
如果目标平台为 **
Ubuntu 18.04** 并希望使用 CUDA 12
.0，则可以采用官方提供的 DEB 包进行安装[^1]。
1
. 下载对应版本的 DEB 文件 `nv-tensorrt-local-repo-
ubuntu1804-8
.6
.1-cuda-12
.0_1
.0-1_amd6
4.deb`。
```bash
wget https
://developer
.nvidia
.com/<path_to_deb_package>/nv-tensorrt-local-repo-
ubuntu1804-8
.6
.1-cuda-12
.0_1
.0-1_amd6
4.deb
```
2
. 安装该 DEB 软件包以设置本地 APT 存储库。
```bash
sudo dpkg -i nv-tensorrt-local-repo-
ubuntu1804-8
.6
.1-cuda-12
.0_1
.0-1_amd6
4.deb
sudo apt-get update
```
3
. 安装 TensorRT 库及其开发工具。
```bash
sudo apt-get install tensorrt
sudo apt-get install uff-converter-tf libnvinfer-bin onnx-graphsurgeon
```
此过程会自动完成依赖项解析并安装所需组件。
---
#### 方法二：通过 TAR 包手动安装（适用于
Ubuntu 20
.04）
当运行的是较新的发行版（例如
Ubuntu 20
.04），推荐下载 `
.tar
.gz` 压缩包来实现更灵活的手动
部署[^2][^3]。
1
. 访问 NVIDIA 开发者网站获取最新发布的 TensorRT
源码压缩包链接，并选择兼容的目标 CUDA 版本（比如 CUDA 11
.8 对应 TensorRT 8
.6
.1
.6）。
```bash
wget https
://developer
.nvidia
.com/nvidia-tensorrt-8x-download/TensorRT-8
.6
.1
.6
.Linux
.x86_6
4-gnu
.cuda-11
.8
.tar
.gz
tar zxvf TensorRT-8
.6
.1
.6
.Linux
.x86_6
4-gnu
.cuda-11
.8
.tar
.gz
cd TensorRT-8
.6
.1
.6/
```
2
. 将解压后的目录中的头文件复制到标准路径下供
编译器访问。
```bash
sudo cp -r include/* /usr/local/include/
sudo mkdir -p /usr/lib/x86_6
4-linux-gnu/
sudo cp lib/*
.so* /usr/lib/x86_6
4-linux-gnu/
```
3
. 更新动态链接器缓存以便加载新加入的共享对象文件。
```bash
echo "/usr/lib/x86_6
4-linux-gnu/" | sudo tee -a /etc/ld
.so
.conf
.d/tensorrt
.conf
sudo ldconfig
```
至此完成了基本框架搭建；后续可根据具体项目需求进一步调整优化参数或者测试性能表现。
---
### 注意事项
- 如果计划集成 TensorFlow 或 PyTorch 等深度学习框架，请额外关注其插件模块的支持情况。
- 不同次主要更新之间可能存在 API 变化，建议仔细阅读发布说明文档了解改动详情。
```
python
import ctypes
ctypes
.cdll
.LoadLibrary("/usr/lib/x86_6
4-linux-gnu/libnvinfer
.so") # 测试是否
成功导入核心库
print("TensorRT 加载
成功")
```
上述脚本可用于验证
Python 层面能否正常调用底层 C++ 实现部分功能接口。
---
超级会员免费看
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
9823
