# Ubuntu下配置TensorRT环境
# 先确保安装正确版本的显卡驱动
如果是已经安装的显卡驱动有问题需要卸载可以使用如下方式，
sudo apt-get purge nvidia-*
推荐的Linux下安装显卡驱动的方法，
sudo add-apt-repository ppa:graphics-drivers/ppa ubuntu-drivers devices
sudo apt-get update
sudo ubuntu-drivers devices
# 选择正确版本的驱动进行安装
sudo apt-get install nvidia-driver-*
安装显卡驱动要和系统的内核版本对应好，内核版本和驱动版本不兼容的化会很麻烦。
在这里 (opens new window)可以查寻内核和显卡驱动的兼容关系。
# 安装CUDAToolkit
安装好显卡驱动后，安装CUDAToolKit。
需先查看显卡驱动和CUDAToolkit中的兼容关系。
cudatoolkit and nvidia-driver compatibility (opens new window)
选择好对应的平台和系统后，会给出安装脚本，直接复制粘贴到终端执行就可以。
安装完成后，在/usr/local文件夹下会找到cuda文件夹，里面放有cuda对应的头文件，库文件和可执行文件。
# 安装cuDNN
神经网络中的某些层需要cuDNN的支持。
cuDNN的官方安装指引可以参考Install Instruction (opens new window)。
这里介绍的cuDNN有多种安装方式，这里选择tar包来安装，直接解压后按官方指引复制到cuda安装目录下即可。
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
# 安装TensorRT
TensorRT应该是目前在Nvidia显卡上运算速度最快的推理引擎。
其官方安装指引Install TensorRT Doc (opens new window)。
其也有多种安装方式，如deb/zip/tar等。
在Ubuntu下，为了便于升级，和管理多个版本的TensorRT,推荐直接下载tar包解压后放入指定位置，通过设置LD_LIBRARY_PATH来使用。
在这里选择TensorRT (opens new window)下载。
选择GA版本的安装，这里还说明了该版本的TensorRT需要哪个版本的cuDNN和CUDAToolkit。
通过tar包的安装方式指引官方文档可参考这部分tar install (opens new window)
tar包中有Python下的安装包，按上面的指引安装即可。