linux部署tensorrt
时间: 2025-05-12 10:29:04 浏览: 37
### 安装和配置 TensorRT 的方法
#### 复制库文件和头文件至系统路径
为了使 TensorRT 库能够在全局范围内被识别,可以将其 `lib` 和 `include` 文件夹中的内容复制到系统的标准路径 `/usr/lib` 和 `/usr/include` 中。具体操作如下:
```bash
cd /usr/local/TensorRT-7.2.3.4/
sudo cp -r ./lib/* /usr/lib
sudo cp -r ./include/* /usr/include
```
上述命令会将 TensorRT 的动态链接库以及头文件放置于系统默认的查找目录下[^1]。
#### 配置环境变量
如果不想直接修改系统路径,也可以通过设置环境变量的方式让程序找到 TensorRT 的库位置。编辑用户的 `.bashrc` 文件并添加以下内容:
```bash
vim ~/.bashrc
export LD_LIBRARY_PATH=/data/cai_test/TensorRT-6.0.1.5/lib:$LD_LIBRARY_PATH
source ~/.bashrc
```
这一步骤确保了运行时能够正确加载 TensorRT 所需的共享库文件[^3]。
#### 卸载 TensorRT (可选)
对于那些已经安装过 TensorRT 并希望重新安装或者彻底移除的情况,在 Conda 虚拟环境下可以通过 Python 包管理工具 pip 来完成卸载工作:
```bash
conda activate myenv
pip uninstall tensorrt
```
这条指令适用于基于 PyPI 发布版本的 TensorRT SDK[^2]。
#### 创建 CMake 工具链软连接(针对特定需求场景)
某些项目可能依赖较新版本的 CMake 构建工具来编译源码包比如 YOLOX 。此时创建一个指向最新稳定发行版二进制分发包所在地址的符号链接可能是必要的:
```bash
sudo ln -s cmake /usr/local/cmake-3.26.4-Linux-x86_64
```
此步并非强制执行项,仅当遇到构建错误提示关于不兼容CMake 版本时才考虑采用该方案[^4].
---
### 注意事项
以上各环节均围绕着 Linux 下成功搭建 TensorRT 开发平台展开讨论;实际应用过程中还需注意 CUDA 及 cuDNN 等底层支持组件是否满足最低规格要求,并保持一致性的驱动架构代号与操作系统位数匹配关系。
阅读全文
相关推荐


















