TensorRT是可以在NVIDIA各种GPU硬件平台下运行的推理引擎，是一个高性能的深度学习推理优化器，可以为深度学习的落地应用提供低延迟、高吞吐率的部署推理。由C++、CUDA、python三种语言编写成的一个库，其中核心代码的语言为C++和CUDA，但是它也有python的api接口。

✨1 安装TensorRT

🎈1.1 下载

1️⃣TensorRT下载地址

一定要选择对应自己CUDA版本的，比如我的CUDA11.8

我选择了8.6，下载完成后，压缩到指定路径。

🍕1.2 配置

配置与cudnn安装类似：

将 TensorRT-7.2.2.3\include中头文件copy到C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v10.2\include

将TensorRT-7.2.2.3\lib中所有lib文件copy到C:\Program Files\NVIDIA GPU

ComputingToolkit\CUDA\v10.2\lib\x64

将TensorRT-7.2.2.3\lib中所有dll文件copy 到C:\Program Files\NVIDIA GPU

ComputingToolkit\CUDA\v10.2\bin

同时将lib路径添加到环境变量

🍔1.3 tenosrrt库安装

进入tensorRT解压路径下的python目录内，利用pip安装与python版本对应的whl文件的tensorrt。

比如，python版本3.9，目录下whl文件：

那么，就应该是pip install tensorrt-8.5.3.1-cp39-none-win_amd64.whl

测试是否安装成功用：

 import tensorrt as trt
 trt.__version__

✨2 测试

🌭2.1 VS2022配置

利用vs打开tensorrt目录下的samples\sampleOnnxMNIST\sample_onnx_mnist.sln，进行环境配置。

点击一下右侧箭头指向，并找到项目=》属性并打开

1. 找到C/C++=》附加包含目录，打开添加tensorrt的include路径
   
2. 找到链接器=》常规=》附加库目录，添加tensorrt的lib路径
   
3. 找到链接器=》输入=》附加依赖项，添加路径TensorRT解压路径\lib\*.lib
   
4. 为了防止后面执行exe操作闪退，添加getchar();到main函数下
5. 
6. 开始编译运行
7. 

✨2.2 缺少windows sdk问题

最后一步编译时，遇到的第一个错误没有对应的版本的windos sdk。

在官网https://developer.microsoft.com/zh-cn/windows/downloads/sdk-archive/找到合适的sdk版本并安装(点击安装sdk会有个exe文件线上安装)

🎃2.3 生成工具问题

安装完成后出现了没有2017年生成工具。

1. 找到电脑上的Visual Studio Installer，打开
2. 点击修改
3. 
4. 找到2017年的生成工具勾选，点击修改进行安装
5. 
6. 其余版本也一致。

🎄2.4zlibwapi.dll问题

提示问题，找不到zlibwapi.dll。

1. 进入官网下载Zlib
2. 
3. 将下载的压缩包中的zlibwapi.dll和zlibwapi.lib放于CUDA的bin和lib文件夹下
4. 
5. 

🎆2.5 验证

按照上面的办法处理完错误后，再次编译，便成功完成了。

后面会在TensorRT的bin文件夹下生成sample_onnx_mnist.exe，双击打开

呈现类似的结果就是成功了