ubuntu 2204 tensorrt推理yolo环境配置

显卡驱动安装sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-driver-570 # 重启电脑 sudo reboot # 验证命令 nvidia-smi570的驱动最高支持到CUDA 12.8版本需要使用更高版本需要安装更新的驱动CUDA安装去官网找需要的CUDA版本连接案例为安装12.8版本下面连接仅作参考​ wget https://developer.download.nvidia.com/compute/cuda/12.8.0/local_installers/cuda_12.8.0_570.86.10_linux.run sudo chmod x cuda_12.8.0_570.86.10_linux.run sudo sh cuda_12.8.0_570.86.10_linux.run 安装不勾选驱动 设置环境变量在~/.bashrc中添加 export PATH/usr/local/cuda-12.8/bin:$PATH export LD_LIBRARY_PATH/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH 添加完后 source ~/.bashrc nvcc --version # 验证应显示CUDA 12.8如果nvcc --version执行完电脑卡死可以按住 Ctrl Alt的情况下输入R E I S U B安全重启随后检查系统的CUDA 对gcc的版本需求之前在20.04系统上遇到过类似情况最终是对gcc版本进行降级安装后即可正常运行。TensorRT去这个网址 https://developer.nvidia.com/tensorrt/download 下载对应的TensorRT安装包本案例使用的是Tar版本cd /下载地址 tar -xzvf TensorRT-10.8.0.43.Linux.x86_64-gnu.cuda-12.8.tar.gz sudo mv TensorRT-10.8.0.43 /opt/ # 在~/.bashrc中添加 export LD_LIBRARY_PATH/opt/TensorRT-10.8.0.43/lib:$LD_LIBRARY_PATH export PATH/opt/TensorRT-10.8.0.43/bin:$PATH export CPLUS_INCLUDE_PATH/opt/TensorRT-10.8.0.43/include:$CPLUS_INCLUDE_PATH # 添加完后 source ~/.bashrc如果python 需要使用tensorrt 可以用下面的指令安装 whlcd /opt/TensorRT-10.8.0.43/python选择适合自己的版本进行安装pip install tensorrt-10.8.0.43-cp3xx-none-linux_x86_64.whlFFMPEG如果需要使用nvidia显卡进行硬解码需要自己编译ffmpeg编译版本安装# 安装依赖库 sudo apt install build-essential yasm pkg-config cmake libtool libc6 libc6-dev unzip wget libnuma1 libnuma-dev libx264-dev libx265-dev libmp3lame-dev libopus-dev libvorbis-dev libass-dev libfreetype6-dev libsdl2-dev libvpx-dev libxml2-dev libgnutls28-dev nasm sudo apt-get install libswresample-dev # 克隆nv-codec-headers git clone https://git.videolan.org/git/ffmpeg/nv-codec-headers.git cd nv-codec-headers sudo make install # 去下面这个网址下载SDK # https://developer.nvidia.com/nvidia-video-codec-sdk/download cd /下载 unzip Video_Codec_SDK_13.0.37.zip cd Video_Codec_SDK_13.0.37 sudo cp -r Interface/* /usr/local/cuda/include # 下面这个路径需要根据使用的系统和芯片架构进行修改 sudo cp -r Lib/linux/stubs/x86_64/* /usr/local/cuda/lib64 git clone https://git.ffmpeg.org/ffmpeg.git cd ffmpeg ./configure --enable-nonfree --enable-cuda-nvcc --enable-libnpp \ --extra-cflags-I/usr/local/cuda/include \ --extra-ldflags-L/usr/local/cuda/lib64 make -j$(nproc) sudo make install # 在 ~/.bashrc 中添加 export PKG_CONFIG_PATH/usr/local/ffmpeg/lib/pkgconfig:$PKG_CONFIG_PATH export PATH/usr/local/ffmpeg/bin:$PATH export LD_LIBRARY_PATH/usr/local/ffmpeg/lib:$LD_LIBRARY_PATH # 添加完 source ~/.bashrc # 验证安装 ffmpeg -hwaccels # 如果输出中包含 cuda则表示 CUDA 支持已启用。无需硬件加速可以使用 apt 进行安装sudo apt install ffmpegOPENCV如果不需要使用 CUDA 加速计算可以使用 apt 版本进行安装sudo apt install libopencv-dev python3-opencv使用源码编译版本git clone https://github.com/opencv/opencv.git git clone https://github.com/opencv/opencv_contrib.git cd opencv mkdir build cd build cmake -D CMAKE_BUILD_TYPERELEASE \ -D CMAKE_INSTALL_PREFIX/usr/local \ -D OPENCV_GENERATE_PKGCONFIGON \ -D OPENCV_EXTRA_MODULES_PATH~/opencv_contrib/modules \ -D WITH_GTKON \ -D WITH_CUDAON \ -D OPENCV_DNN_CUDAON \ -D ENABLE_FAST_MATHON \ -D CUDA_FAST_MATHON \ -D WITH_CUBLASON \ -D CUDA_ARCH_BIN8.9 \ -D WITH_FFMPEGON \ .. make -j$(nproc) sudo make install