<think>我们下载的是tensorrt_cu12的源代码包（.tar文件），通常需要通过构建安装。但请注意，TensorRT官方推荐使用预编译的wheel文件进行安装，而非从源代码构建（因为构建过程复杂且依赖多）。 如果确实需要从源代码安装（例如，没有找到对应Python版本和系统的预编译wheel），请按以下步骤操作： ### 安装步骤： 1. **解压源码包**： ```bash tar -xvf tensorrt_cu12-10.14.1.48.post1.tar cd tensorrt_cu12-10.14.1.48.post1 ``` 2. **安装构建依赖**： - 确保已安装匹配的CUDA Toolkit（CUDA 12.x）和cuDNN - 安装Python开发环境：`sudo apt-get install python3-dev`（Linux） - 安装构建工具：`pip install setuptools wheel` 3. **构建并安装**： ```bash python setup.py install ``` 或者构建wheel再安装： ```bash python setup.py bdist_wheel pip install dist/*.whl ``` ### 注意事项： - 从源码构建需要大量依赖（如CMake、gcc等），且可能遇到兼容性问题 - **强烈建议**：优先在[NVIDIA官网](https://developer.nvidia.com/tensorrt)下载预编译的wheel文件（支持CUDA 12），避免源码编译 ### 备选方案（推荐）： 1. 访问[NVIDIA TensorRT下载页](https://developer.nvidia.com/nvidia-tensorrt-8x-download) 2. 选择与您的操作系统、CUDA版本（12.x）和Python版本匹配的预编译包 3. 直接使用pip安装下载的.whl文件 §§相关问题§§ 1. 在编译TensorRT源码时，如何解决常见的依赖缺失问题？ 2. 如何验证从源码安装的TensorRT是否成功启用了CUDA 12支持？ 3. 如果系统同时安装了多个CUDA版本，如何指定TensorRT使用CUDA 12？ </think> 如果您从PyPI下载了`tensorrt_cu12-10.14.1.48.post1.tar`源码包，请按以下步骤安装： ### 安装步骤： 1. **解压源码包**： ```bash tar -xvf tensorrt_cu12-10.14.1.48.post1.tar cd tensorrt_cu12-10.14.1.48.post1 ``` 2. **安装构建依赖**： ```bash pip install setuptools wheel pybind11 sudo apt-get install build-essential zlib1g-dev # Linux系统依赖 ``` 3. **编译安装**： ```bash python setup.py install ``` 或构建wheel后安装： ```bash python setup.py bdist_wheel pip install dist/*.whl ``` ### 重要注意事项： 1. **依赖环境**： - 必须已安装 **CUDA 12.x** 和对应版本的 **cuDNN** - 需要兼容的Python版本（建议Python 3.8-3.11） 2. **常见问题解决**： - 若编译失败：检查`error.log`中的具体错误 - 缺失库：根据错误提示安装`libnvinfer-dev`等依赖 ```bash sudo apt-get install libnvinfer-dev libnvonnxparsers-dev ``` 3. **替代方案（推荐）**： 从NVIDIA官网下载预编译的wheel更可靠： ```bash pip install --pre --extra-index-url https://pypi.nvidia.com tensorrt-cu12 ``` ### 验证安装： ```python import tensorrt print(tensorrt.__version__) # 应输出 10.14.1 ```