本文主要记录一下在windows+Anaconda配置TensorRT的教程，通过此教程配置完TensorRT后，可以在Anaconda的虚拟环境内使用TensorRT。Anaconda已经事先安装好了。

一：创建虚拟环境

输入下面的指令

conda create -n tensorrt python=3.8

 激活虚拟环境

conda activate tensorrt

 二：安装CudaToolKit和CUDNN（跳过）

三：安装TensorRT

3.1下载TensorRT

官网地址TensorRT 10.x Download | NVIDIA Developer

本文使用的是tensorRT10.0版本

3.2配置TensorRT系统环境变量

下载完成后，进行解压，并且进入lib子文件夹，如下图所示，将路径复制下来，我的是D:\Desktop\TensorRT-10.0.0.6.Windows10.win10.cuda-11.8\TensorRT-10.0.0.6\lib

 然后设置系统环境变量

 依次确定保存出来即可。

3.3安装TensorRT依赖

进入刚才解压的TensorRT文件夹内的python子目录，根据python版本选择好对应whl文件，如下图所示。

重新打开conda控制台，因为环境变量改变后，cmd不会刷新。

重新进入虚拟环境

conda activate tensorrt

 然后输入pip install，将上面那个文件拖入控制台

pip install D:\Desktop\TensorRT-10.0.0.6.Windows10.win10.cuda-11.8\TensorRT-10.0.0.6\lib

执行结果如下图所示 

 

安装完成后会出现successfully字样，到这里tensorrt已经安装结束。

四：安装Pycuda

 pycuda依赖是封装好的cuda api接口，可以用来申请显存等操作。

 官网在这pycuda · PyPI，或者也可以输入下面这个命令，进入虚拟环境后输入下面这个命令

pip install pycuda

安装完成后会提示successfully installed的信息

五：测试TensorRT样例

 tensorrt官方提供了可供测试的样例，进入刚才下载好的tensorrt文件夹下面的samples\python\目录下，这里我们选择一个手写数字识别的示例，如下图所示。

 拷贝路径，在tensorrt的虚拟环境下，cd 此路径，然后输入如下指令

python sample.py

此时会进行训练，并且在训练结束后给出相应的预测结果，如下图所示，到此为止，tensorrt已经彻底安装完毕

如果出现下面的报错

 还是在当前的文件夹输入

pip install -r requirments.tst

这个时候可以训练了，但是用的是cpu在训练 

 

 进入Pytorch官网，下载torch这个库，根据cuda的版本来下载，我的是11.8

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

可以看到GPU以及跑满了 ，说明安装成功了。