### 基于 CUDA 11.8 的 TensorRT 安装指南 为了在 Ubuntu 20.04 上成功安装 TensorRT 并基于 CUDA 11.8 配置环境，以下是详细的说明： #### 一、确认系统依赖项 确保已正确安装 NVIDIA GPU 驱动程序并验证其版本支持 CUDA 11.8。可以通过以下命令检查驱动版本： ```bash nvidia-smi ``` 如果未安装合适的驱动程序，则需先完成安装。 接着，通过以下命令验证 CUDA 是否正常工作： ```bash nvcc --version ``` 这一步骤对于后续 TensorRT 的运行至关重要[^1]。 --- #### 二、解压 TensorRT 文件 假设下载的 TensorRT 安装包文件名为 `TensorRT-8.2.5.1.Linux.x86_64-gnu.cuda-11.4.cudnn8.2.tar.gz`，执行如下命令将其解压缩到当前目录下： ```bash tar -zxvf TensorRT-8.2.5.1.Linux.x86_64-gnu.cuda-11.4.cudnn8.2.tar.gz ``` 此操作会创建一个新的子目录结构，其中包含必要的库和头文件[^2]。 --- #### 三、配置环境变量 进入解压后的路径（通常为 `./TensorRT-8.2.5.1`），并将该路径中的共享库添加至系统的动态链接器缓存中。编辑 `.bashrc` 或者直接设置临时环境变量： ```bash export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/path/to/TensorRT/lib ``` 替换 `/path/to/TensorRT/lib` 为你实际解压得到的 lib 路径。 随后更新动态链接器缓存以使更改生效： ```bash sudo ldconfig ``` --- #### 四、验证 TensorRT 安装 测试 TensorRT 功能是否可用的一种方法是编译官方样例代码。导航至示例源码所在位置（一般位于 `samples/` 子目录）并构建项目： ```bash cd ./TensorRT-8.2.5.1/samples/sample_mnist make clean && make ``` 上述过程应无错误提示；若有任何警告或失败消息，请仔细排查可能的原因，比如缺少某些开发工具链或者不匹配的依赖关系。 最后运行生成的应用程序来观察输出结果是否符合预期： ```bash ./bin/sample_mnist ``` --- #### 五、注意事项 尽管所使用的 TensorRT 版本标注兼容的是 CUDA 11.4 和 cuDNN 8.2，但在大多数情况下它仍然可以与更高版本的 CUDA (如这里提到的 11.8) 结合使用。不过强烈建议始终参照最新文档核实具体的支持范围，并考虑升级到更贴近目标平台需求的新版 TensorRT 如果必要的话。 --- ### 总结 以上就是在 Ubuntu 20.04 中利用预设好的 CUDA 11.8 来部署 TensorRT 所涉及的主要环节概述。遵循这些指导能够帮助建立稳定的工作环境用于深度学习推理任务处理等方面应用。