完成时间：2022 年 2 月 24 日
最后修改：—
因为一些原因，要用到 TensorRT 对训练好的模型进行推理加速，官网的文档全英文看得累啊，想找找现成的中文文档看看。搜了一圈，要么安装的版本都太老了，要么直接上来就一顿操作猛如虎，也不说为什么要这么做，写的也不是很全。安装过程中我也碰到了各种奇奇怪怪的坑，我已经掉进去了一次，坑里有我一个就够了 -_-|||
因为主要用的是 Python，所以这里是在 Ubuntu 20.04 LTS 上的 Anaconda 虚拟环境里安装 TensorRT 的 Python API，如果有时间，还是推荐直接看一手的官方文档
TensorRT 是英伟达推出的一个工具，可以用来加速网络模型的推理。一般的使用过程是从 TensorFlow 或 Pytorch 等的模型，转换为 ONNX 格式的模型，再生成 TensorRT 的模型。ONNX 是微软联合 Facebook 开发的一种通用的模型格式，可以作为中间的桥梁，让其他的深度学习框架也能读取我们已经训练好的模型。
TensorRT 官网介绍了许多种安装方式，Windows 下用的是 zip 包的方式，linux 下就有很多种了，可以使用 tar 包安装，这种方式可以多版本共存。这里使用的是 pip wheel 的安装方式，目前 只支持 linux 系统。Ubuntu 系统还可以使用 deb 包的方式安装，但只能同时安装一个版本，不同版本间不能共存，这种方式也有一堆的坑 → _→
操作系统是 Ubuntu 20.04 LTS，安装的 TensorRT 版本是 8.2。TensorRT 支持 Python API 和 C++ API，使用 deb 或 tar 包的方式两种 API 接口都会被包括。
首先，最重要的是要有一块英伟达的显卡，而且正确的安装了驱动。没驱动和没显卡貌似在 TensorRT 看来都是一样的，安装时会提示找不到合适的版本。因为是在 Anaconda 的虚拟环境中安装，这里我们不需要在系统上安装 CUDA，conda 会自动在虚拟环境中安装一个 CUDA 包，这个包只是完整 CUDA 库的一个子集。
Ubuntu 下安装英伟达的显卡驱动很方便，直接打开一个芯片图案的程序 Additional Drivers，在里面把开源驱动切换成英伟达的驱动就好了。旧版本的 Ubuntu 需要重启，似乎是要给内核里写点东西，可以根据说明操作。
目前 pip wheel 的方式只支持 Python 3.6 – 3.9，CUDA 11.x，因为我们不是在系统的 Python 里安装，CUDA 版本暂时不用管。安装前需要先确认 setuptools 和 pip 已经安装，可以用 conda 的 list 命令列出特定的包：
官方文档上是先使用命令 python3 -m pip install –upgrade setuptools pip 升级它们，但有时候可能升级失败，导致 pip 先被卸载，但新版本没能安装成功，后面使用 pip 时就会提示 “pip-script.py is not present”，这个时候要重新安装 pip，可以使用 easy_install 或 conda 命令安装：
之后需要安装 nvidia-pyindex 包，这其实是一个 pip 源，用来连接英伟达的服务器下载我们需要的各种包。所以如果安装的时候，pip 下载很慢也只能等着，只能从英伟达的服务器下载，pip 换源也没用。安装 nvidia-pyindex 包用下面这条命令：
安装装好之后，就可以开始安装 TensorRT 了。使用下面的命令：
这条命令会安装或者更新已有的 TensorRT，同时会自动下载安装 CUDA 和 cuDNN，它们是 TensorRT 的依赖包。因为安装的时候没有指定版本号，这里默认都会安装最新的版本，CUDA 的版本可能比我们实际支持的版本更高。在终端输入 nvidia-smi 可以查看显卡状态，上面会显示支持的 CUDA 版本。使用 deb 方式安装时，要在系统里安装 CUDA，要和这里的版本号一致，安装在虚拟环境里时就不需要了。
安装的时候如果出现下面的错误信息，说明没用被正确的安装，除了可能是 Python 版本不对外，也有可能是驱动没装上
装好后，可以测试一下：
如果安装正确，print() 函数会打印出 TensorRT 的版本，后面的 assert 命令不会有任何输出。
使用 pip wheel 安装 TensorRT 算是最简单的一种方式了，目前只支持 linux 系统和 Python 3.6 – 3.9 的版本，只需要正确的安装了显卡驱动程序就可以，其他的依赖包都会自动安装。英伟达官方提供了许多的例子，如果需要运行它们，还要安装 onnx 或 pycuda 等组件，因为虚拟环境里的 CUDA 可能不是完整的包，不支持 nvcc，就需要在系统里安装完整的 CUDA，并且要求 pycuda 在它之后再安装，不然 pycuda 无法找到 CUDA API。
Original: https://www.cnblogs.com/asnelin/p/15929442.html
Author: Asnelin
Title: TensorRT 笔记-在 Conda 虚拟环境中安装
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/567097/
转载文章受原作者版权保护。转载请注明原作者出处！