### 在 Ubuntu 22.04 上安装 TensorRT 8.6.1 在 RTX 4060 显卡环境下，基于现有的系统配置（Ubuntu 22.04 LTS、NVIDIA 驱动版本 550.12、CUDA 11.8.0 和 cuDNN 8.6.0），可以按照以下步骤来安装 TensorRT 8.6.1。 #### 1. **验证现有环境** 确保已经正确安装了 NVIDIA 驱动程序和 CUDA Toolkit。可以通过以下命令验证： ```bash nvidia-smi # 检查 GPU 驱动状态 nvcc --version # 检查 CUDA 版本 ``` 如果 `nvidia-smi` 返回的信息显示驱动版本为 550.12，且 `nvcc --version` 输出为 CUDA 11.8，则表明基础环境满足需求[^1]。 #### 2. **下载 TensorRT 8.6.1** 访问 NVIDIA 官方开发者网站，登录账户后进入 TensorRT 下载页面。选择与当前操作系统匹配的版本（即 Ubuntu 22.04 x86_64）以及对应的 CUDA 版本（11.8）。下载完成后会得到一个 `.deb` 文件或压缩包[^3]。 #### 3. **安装 TensorRT 软件包** 假设下载的是 Debian 包形式的 TensorRT，执行如下命令完成安装： ```bash sudo dpkg -i nvinfer-runtime-trt-repo-ubuntu2204-<version>_gpu_amd64.deb sudo apt-get update sudo apt-get install tensorrt uff-converter-tf onnx-graphsurgeon python3-libnvinfer-dev ``` 其中 `<version>` 替换为实际下载的 TensorRT 版本号（例如 `8.6.1`）。 如果是 tar.gz 形式的源码分发版，则需要手动解压并构建： ```bash tar -zxvf TensorRT-<version>.tar.gz cd TensorRT-<version> sudo cp include/* /usr/local/include/ sudo cp lib/* /usr/local/lib/ sudo ldconfig ``` #### 4. **测试 TensorRT 安装** 为了验证 TensorRT 是否成功安装，可尝试加载其 Python 绑定模块： ```python import tensorrt as trt print(f'TensorRT Version: {trt.__version__}') ``` 如果能够打印出版本号则证明安装无误。 #### 5. **解决可能的问题** - 若发现某些动态链接库缺失，可通过 APT 添加额外的支持包： ```bash sudo apt-get install libcublas-dev libcurand-dev libcusolver-dev ``` - 对于特定功能单元（如 UFF 或 ONNX GraphSurgeon），单独检查它们是否存在冲突，并重新安装相关依赖项。 --- ### 注意事项 由于 TensorRT 的稳定性和性能高度依赖底层硬件加速能力及其配套软件栈的一致性，请始终遵循官方文档中关于不同组件间兼容性的指导原则[^3]。此外，考虑到未来扩展性，建议定期更新 Linux 内核至较新版本（如提到的 6.2.0 及以上），从而充分利用最新的图形处理技术改进成果。