c++导入TensorRT的C++ API ubuntu

<think>好的，我现在需要帮助用户在Ubuntu系统上通过C++导入TensorRT的C++ API。首先，我得回顾一下用户提供的引用内容，看看有没有相关的步骤或者常见问题。 根据引用[1]，安装TensorRT需要先安装CUDA和cuDNN，然后通过pip安装。但用户提到的是C++部署，引用[2]指出在C++中使用TensorRT需要配置头文件和依赖库，特别是cuda_runtime.h和相关的库路径。这可能涉及到环境变量的设置，比如LD_LIBRARY_PATH。 用户的问题是在Ubuntu上使用C++导入TensorRT的API，所以可能需要从源码或deb包安装TensorRT，而不仅仅是pip安装Python版本。引用[5]提到下载适配CUDA版本的TensorRT安装包，解压并安装whl文件，但这里用户需要的是C++库，可能需要安装对应的.deb包或者tar文件。 安装CUDA的部分可以参考引用[4]，使用runfile安装CUDA 11.0.3。但需要确认TensorRT版本是否兼容用户安装的CUDA版本。例如，如果用户安装了CUDA 11.0，可能需要TensorRT 7.x或8.x，具体要看官方文档。 引用[5]还提到安装过程中遇到的问题，比如onnx-graphsurgeon的问题，通过更新pip解决。但C++部署可能不需要这部分，除非用户用到ONNX转换工具。 接下来，步骤可能包括： 1. 安装CUDA和cuDNN（根据TensorRT版本要求） 2. 下载并安装TensorRT的.deb或tar包 3. 配置CMakeLists.txt，包含TensorRT的头文件和链接库 4. 设置环境变量，如LD_LIBRARY_PATH指向TensorRT的库目录 5. 测试一个简单的C++程序，确保能正确调用TensorRT API 需要注意的问题可能包括版本兼容性，例如CUDA、cuDNN和TensorRT的版本是否匹配。例如，TensorRT 7.2.3可能要求CUDA 11.0，而用户安装的CUDA版本是否符合要求？ 另外，在CMake配置中，需要正确指定TensorRT的路径。如果通过deb包安装，可能默认安装在/usr/include和/usr/lib/x86_64-linux-gnu，而如果是tar包解压，可能需要手动指定路径。 用户可能在编译时遇到找不到头文件或链接错误，这时候需要检查include路径和链接库是否正确。例如，在CMake中添加include_directories和link_directories，以及target_link_libraries添加nvinfer等库。 可能还需要安装其他依赖，如libnvinfer-dev，具体取决于安装方式。如果用户通过tar包安装，可能需要将库文件复制到系统路径，或者设置LD_LIBRARY_PATH。 最后，测试部分可以参考引用[5]中的测试步骤，编译一个简单的TensorRT程序，比如创建Logger对象，确保能正常运行。</think>以下是在 Ubuntu 系统中通过 C++ 导入 TensorRT C++ API 的步骤指南： --- ### **1. 安装依赖环境** #### 1.1 安装 CUDA 和 cuDNN - **CUDA 安装** 根据 TensorRT 版本选择适配的 CUDA 版本（例如 TensorRT 7.x 对应 CUDA 11.0）[^4]。 使用以下命令安装 CUDA： ```bash wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda_11.0.3_450.51.06_linux.run sudo sh cuda_11.0.3_450.51.06_linux.run ``` - **cuDNN 安装** 从 NVIDIA 官网下载与 CUDA 版本匹配的 cuDNN 包，解压后复制文件到 CUDA 目录： ```bash sudo cp cudnn/include/* /usr/local/cuda/include/ sudo cp cudnn/lib64/* /usr/local/cuda/lib64/ ``` #### 1.2 安装 TensorRT - **下载 TensorRT 安装包** 从 NVIDIA 官网下载与 CUDA 版本匹配的 TensorRT 的 `.tar` 或 `.deb` 包（例如 `TensorRT-7.2.3.4.Ubuntu-18.04.x86_64-gnu.cuda-11.0.cudnn8.1.tar.gz`）[^5]。 - **安装 TensorRT** 若使用 `.tar` 包： ```bash tar -xzvf TensorRT-7.2.3.4.Ubuntu-18.04.x86_64-gnu.cuda-11.0.cudnn8.1.tar.gz export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/path/to/TensorRT/lib ``` --- ### **2. 配置 C++ 项目** #### 2.1 设置 CMakeLists.txt 在项目的 `CMakeLists.txt` 中添加 TensorRT 的头文件和库路径： ```cmake cmake_minimum_required(VERSION 3.10) project(tensorrt_demo) # 添加 TensorRT 头文件路径 include_directories(/path/to/TensorRT/include) # 添加 TensorRT 库路径 link_directories(/path/to/TensorRT/lib) add_executable(demo main.cpp) # 链接 TensorRT 核心库 target_link_libraries(demo nvinfer nvinfer_plugin) ``` #### 2.2 环境变量配置 在 `~/.bashrc` 中添加库路径： ```bash export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/path/to/TensorRT/lib ``` --- ### **3. 编写测试代码** 创建 `main.cpp` 测试 TensorRT API： ```cpp #include <NvInfer.h> #include <iostream> using namespace nvinfer1; int main() { Logger logger; // TensorRT 日志类 IBuilder* builder = createInferBuilder(logger); std::cout << "TensorRT C++ API 导入成功！" << std::endl; builder->destroy(); return 0; } ``` #### 编译与运行 ```bash mkdir build && cd build cmake .. make ./demo ``` --- ### **常见问题解决** 1. **头文件缺失** 检查 `CMakeLists.txt` 中的 `include_directories` 路径是否正确。 2. **库链接失败** 确认 `LD_LIBRARY_PATH` 包含 TensorRT 的库路径[^2]。 3. **版本不兼容** 确保 CUDA、cuDNN 和 TensorRT 版本严格匹配[^5]。 ---