### 安装 CuDNN 和 TensorRT 8.6.1.6 的指南 #### 环境准备 确保系统环境满足以下条件： - **操作系统**: Ubuntu 18.04 LTS - **NVIDIA 驱动程序**: 已安装支持 CUDA 的 NVIDIA 显卡驱动 (推荐版本 >= 470)。可以通过命令 `nvidia-smi` 检查显卡状态和驱动版本[^4]。 - **CUDA Toolkit**: 版本需匹配 cuDNN 和 TensorRT 要求，对于 TensorRT 8.6.1.6 推荐使用 CUDA 11.6 或更高版本。 --- #### 步骤一：安装 NVIDIA 驱动 如果尚未安装 NVIDIA 驱动，请运行以下命令来安装最新稳定版驱动： ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update sudo apt install nvidia-driver-515 ``` 重启计算机以使更改生效并验证驱动是否正常工作： ```bash nvidia-smi ``` --- #### 步骤二：安装 CUDA 11.6 下载 CUDA 11.6 并完成安装。可以从官方站点获取 `.run` 文件或 Debian 包文件。以下是通过 APT 安装的方法： 更新包索引并添加 CUDA 密钥： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update ``` 安装 CUDA 基础组件： ```bash sudo apt-get install cuda-11-6 ``` 设置环境变量以便于访问 CUDA 库路径，在 `~/.bashrc` 中追加以下内容： ```bash export PATH=/usr/local/cuda-11.6/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64:$LD_LIBRARY_PATH ``` 执行以下命令刷新配置： ```bash source ~/.bashrc ``` 验证安装成功与否： ```bash nvcc --version ``` --- #### 步骤三：安装 cuDNN 8.6.0 cuDNN 是深度学习框架的重要依赖库之一。按照以下步骤操作： ##### 下载 cuDNN 登录 [NVIDIA Developer Portal](https://developer.nvidia.com/) 后，下载适用于 CUDA 11.6 的 cuDNN v8.6.0 deb 包（如 `libcudnn8_8.6.0.*_*_amd64.deb`）。 ##### 解压与安装 假设已将 cuDNN 文件保存到 `/home/user/Downloads` 目录下，则依次执行如下命令： ```bash cd ~/Downloads sudo dpkg -i libcudnn8_*.deb sudo dpkg -i libcudnn8-dev_*.deb sudo dpkg -i libcudnn8-samples_*.deb ``` 确认安装无误后，可通过以下方式测试 cuDNN 是否可用： 创建一个简单的 C++ 测试脚本 (`test_cudnn.cpp`) 来加载 cuDNN 功能模块： ```cpp #include <cudnn.h> #include <stdio.h> int main() { cudnnHandle_t handle; cudnnCreate(&handle); printf("CUDNN initialized successfully.\n"); cudnnDestroy(handle); return 0; } ``` 编译该脚本并将结果链接至 cuDNN 库： ```bash g++ test_cudnn.cpp -o test_cudnn.out -lcudnn -L/usr/lib/x86_64-linux-gnu/ ./test_cudnn.out ``` 如果没有错误提示则表明 cuDNN 成功集成。 --- #### 步骤四：安装 TensorRT 8.6.1.6 TensorRT 提供高性能推理优化能力。以下是具体流程： ##### 获取 TensorRT 前往 [NVIDIA TensorRT 开发者页面](https://developer.nvidia.com/tensorrt)，注册账号后可免费获得许可证密钥以及对应版本的 tar.gz 归档文件（例如 `TensorRT-8.6.1.6.Ubuntu-18.04.x86_64-gnu.cuda-11.6.cudnn8.6.tar.gz`）。 ##### 解压缩归档文件 将下载好的 TensorRT 文件放置在合适位置（比如 `/home/user/Downloads`），随后展开其结构： ```bash mkdir -p /opt/TensorRT && cd /opt/TensorRT tar -zxvf ~/Downloads/TensorRT-8.6.1.6.Ubuntu-18.04.x86_64-gnu.cuda-11.6.cudnn8.6.tar.gz --strip-components=1 ``` ##### 设置动态链接器路径 编辑用户的 shell 初始化脚本以包含新的库目录： ```bash echo 'export LD_LIBRARY_PATH=/opt/TensorRT/lib:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` 最后验证 TensorRT 是否能够被正确调用： ```bash ldconfig -v | grep tensorrt ``` --- #### 总结 至此已完成整个过程中的关键环节——即从基础硬件驱动直至高级推理引擎的支持链路构建完毕。后续可根据实际需求进一步探索模型部署等内容。