标签：10.2 tensorrt7.0 sudo TensorRT 7.0 cudnn7.6 0.11 cuda
一、安装cuda-10.2
下载网址 CUDA Toolkit 10.2 download
执行：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
# 切换到cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb目录下
sudo dpkg -i cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-10-2-local-10.2.89-440.33.01/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda
添加环境变量：
nano ~/.bashrc
在最后添加：
export PATH="/usr/local/cuda-10.2/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH"
重启，执行：
nvcc -V
执行：
nvidia-smi
二、安装cuDNN
下载地址：cuDNN
一定要注意版本，否则安装会失败！！！！！
# 安装,顺序一定按照以下顺序
sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.2_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.5.32-1+cuda10.2_amd64.deb
验证cuDNN在Linux上是否安装成功。为了验证cuDNN已经安装并正确运行，需要编译位于/usr/src/cudnn_samples_v7目录下的mnistCUDNN样例:
# 将cuDNN示例复制到可写路径
$ cp -r /usr/src/cudnn_samples_v7/ $HOME
# 进入到可写路径
$ cd $HOME/cudnn_samples_v7/mnistCUDNN
# 编译mnistCUDNN示例
$ make clean && make
# 运行mnistCUDNN示例
$ ./mnistCUDNN
运行结果出现：
Test passed!
则代表安装成功！！
三、安装Tensorrt
下载地址：Tensorrt
注意cuda和cudnn版本！！
1、解压：
tar -xzvf TensorRT-7.0.0.11.Ubuntu-18.04.x86_64-gnu.cuda-10.2.cudnn7.6.tar.gz
2、解压得到TensorRT-7.0.0.11的文件夹，将里边的lib绝对路径添加到环境变量中
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/home/qian/TensorRT-7.0.0.11/lib"
3、安装TensorRT
cd TensorRT-7.0.0.11/python
# If using Python 2.7:
sudo pip2 install tensorrt-*-cp27-none-linux_x86_64.whl
# If using Python 3.x:
sudo pip3 install tensorrt-*-cp3x-none-linux_x86_64.whl
4、安装Python UFF wheel文件，仅当计划将TensorRT与TensorFlow一起使用时，才需要此选项。
cd TensorRT-7.0.0.11/uff
# If using Python 2.7:
sudo pip2 install uff-0.6.9-py2.py3-none-any.whl
# If using Python 3.x:
sudo pip3 install uff-0.6.9-py2.py3-none-any.whl
# In either case, check the installation with:
which convert-to-uff
5、安装Python graphsurgeon
cd TensorRT-7.0.0.11/graphsurgeon
# If using Python 2.7:
sudo pip2 install graphsurgeon-0.4.5-py2.py3-none-any.whl
# If using Python 3.x:
sudo pip3 install graphsurgeon-0.4.5-py2.py3-none-any.whl
6、为了避免后边deepstream找不到tensorrt的库，建议把tensorrt的库和头文件添加到系统路径下
# TensorRT路径下
sudo cp -r ./lib/* /usr/lib
sudo cp -r ./include/* /usr/include
7、如果要使用python接口的tensorrt，则需要安装pycuda
pip3 install pycuda
8、测试
cd ~/TensorRT-7.0.0.11/data/mnist
python3 download_pgms.py
cd ~/TensorRT-7.0.0.11/samples/sampleMNIST
make clean
make
cd ~/TensorRT-7.0.0.11/bin
./sample_mnist
标签：10.2,tensorrt7.0,sudo,TensorRT,7.0,cudnn7.6,0.11,cuda 来源： https://blog.csdn.net/qq_45032341/article/details/120217191
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。