### 在 Jetson 设备上安装 Python 的 TensorRT 库 要在 Jetson 设备上成功安装适用于 Python 的 TensorRT 库，通常需要完成几个关键步骤。以下是详细的说明： #### 1. 安装必要的依赖项 在开始之前，确保系统中已安装所有必需的开发工具和库。这包括但不限于 `cmake` 和 `gcc` 编译器以及 Python 开发头文件。 ```bash sudo apt update && sudo apt upgrade -y sudo apt install -y cmake gcc g++ python3-dev libpython3.8-dev ``` 此命令会安装所需的编译工具链和 Python 头文件[^1]。 --- #### 2. 准备 Python 环境 对于特定版本的 Python（如 Python 3.8），可能需要手动配置其头文件路径以便于后续构建过程能够找到这些资源。 ```bash export EXT_PATH=/tmp/tensorrt-bindings rm -rf $EXT_PATH && mkdir -p $EXT_PATH cd $EXT_PATH wget https://www.python.org/ftp/python/3.8.13/Python-3.8.13.tgz tar xvzf Python-3.8.13.tgz mkdir python3.8 cp -r Python-3.8.13/Include/* python3.8/include/ cp /usr/include/aarch64-linux-gnu/python3.8/pyconfig.h python3.8/include/ ``` 上述操作下载并解压指定版本的 Python 源码，并复制必要文件到目标目录下[^3]。 --- #### 3. 构建 PyBind11 支持模块 PyBind11 是用于绑定 C++ 到 Python 的轻量级框架，在这里它被用来生成兼容的接口代码。 ```bash git clone --depth=1 https://github.com/pybind/pybind11.git cd pybind11 git checkout tags/v2.6.2 cd .. ``` 通过克隆仓库并将分支切换至稳定版标签 (v2.6.2)，可获得可靠的源码支持[^3]。 --- #### 4. 获取 TensorRT 源码并设置环境变量 从 NVIDIA 提供的官方存储库获取最新发布的 TensorRT 版本，并调整相关参数以匹配当前系统的架构特性。 ```bash git clone --recursive https://github.com/NVIDIA/TensorRT.git cd TensorRT git checkout release/8.0 export CPATH=$EXT_PATH/pybind11/include:$CPATH export TRT_OSSPATH=$PWD export PYTHON_MAJOR_VERSION=3 export PYTHON_MINOR_VERSION=8 export TARGET=aarch64 ``` 以上脚本定义了一系列重要的环境变量，它们将在下一步骤中的实际构建过程中起到决定作用[^3]。 --- #### 5. 执行构建流程 运行内置脚本来自动化整个打包环节，最终产物是一个可供直接分发使用的 `.whl` 文件。 ```bash ./build.sh ls build/dist/*.whl ``` 一旦发现预期格式的目标文件存在，则表明该阶段顺利完成[^3]。 随后即可卸载旧有版本并通过新生成轮子重新部署： ```bash pip uninstall tensorrt -y pip install build/dist/tensorrt-*.whl ``` 最后验证导入功能正常运作无误： ```python import tensorrt as trt print(f'TensorRT version {trt.__version__}') ``` 如果一切顺利的话，应该可以看到打印出来的具体版本号信息。 --- #### 总结 综上所述，尽管默认情况下 JetPack 预先集成了部分主流解释器的支持情况，但对于自定义需求而言仍需额外努力才能达成目的。按照前述指导逐步实施后应当能有效解决跨平台移植难题[^2]。 --- 问题