【转载】Win10+TensorRT 8.5安装+VS2022配置

环境

• Anaconda3 [python 3.8]
• Visual Studio 2022
• CUDA 11.8
• cuDNN 8.6.0
• TensorRT 8.5.2.2

---

TensorRT 下载并 配置

• 下载 TensorRT 8.x

# 如下载8.5.2.2版本
TensorRT-8.5.2.2.Windows10.x86_64.cuda-11.8.cudnn8.6.zip

   
   

   
   
1
2

• 加压后，添加环境变量PATH中(根据自己路径)

# 将lib路径添加到环境变量
D:\AI_SoftEnv\TensorRT\TensorRT-8.5.2.2\lib

   
   

   
   
1
2

• 将TensorRT-8.5.2.2\lib下的lib文件和dll文件分别拷贝到CUDA的lib/x64路径和bin路径下

 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64

   
   

   
   
1
2

• 安装pytho版本tensorrt

 # 到TensorRT-8.5.2.2\python下，根据自己的python版本安装tensorrt
 pip install tensorrt-8.5.2.2-cp38-none-win_amd64.whl

# 测试
import tensorrt as trt
trt.version

• 1
• 2
• 3
• 4
• 5
• 6

---

VS2022配置TensorRT并测试

使用VS2022打开TensorRT-8.5.2.2\samples\sampleOnnxMNIST\sample_onnx_mnist.sln

进行如下环境配置

注：对于VS2022，其已经默认添加了这几个库（前4个是tensorrt的，后3个是cuda的）。为了说明，还是按照上面方式配置即可。

nvinfer.lib
nvinfer_plugin.lib
nvonnxparser.lib
nvparsers.lib
cudnn.lib
cublas.lib
cudart.lib

到此为止，TensorRT在VS中就配置好了（实际上面也展示了CUDA的配置），下面就可以直接测试案例程序了。

为了防止后面执行exe操作闪退，添加getchar();到main函数下

之后编译build即可。
编译成功后，会在 TensorRT-8.5.2.2\bin 路径下生成可执行文件sample_onnx_mnist.exe

双击运行即可

---

以上就是TensorRT安装和VS配置以及官方Demo运行过程，到此就说明一切都OK了。

---

备注

以上过程可能存在找不到zlibwapi.dll的问题，解决办法：

• 官网下载 ZLIB DLL 库，解压后将zlibwapi.dll 拷贝到C:\Windows\System32下即可。
  也可分别将zlibwapi.dll和zlibwapi.lib放于CUDA的bin和lib文件夹下，两种方法都行。

# zlibwapi.dll放于其中
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin 
# zlibwapi.lib放于其中
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib

 
 

 
 
1
2
3
4

还有一个关于懒加载问题，来源和配置办法如下

• 来源

根据官方说明，需要配置环境变量

---

参考

https://blog.youkuaiyun.com/qq_44224801/article/details/125525721
https://blog.youkuaiyun.com/Chaos_Happy/article/details/124064428
https://www.cnblogs.com/xixixing/p/16140973.html
https://www.iotword.com/5928.html