2、环境搭建与版本匹配：CUDA、cuDNN、TensorRT版本对应关系，常见安装错误及解决
环境搭建这件事，说难不难，说简单也真能卡你三天。我见过太多人花了一周装环境，最后发现是版本没对上。说白了，TensorRT 对版本匹配极其敏感，差一个小版本号都可能让你编译不过。
2.1 版本对应关系：一张表说清楚
先给一张我整理的对照表。这是我反复踩坑后总结出来的，你直接照着来就行。
| TensorRT 版本 | CUDA 版本 | cuDNN 版本 | 备注 |
|---|---|---|---|
| 8.4.x | 11.6 / 11.7 | 8.4.x / 8.5.x | 比较稳定的一代 |
| 8.5.x | 11.8 | 8.6.x | 我开始用这版时踩过坑 |
| 8.6.x | 11.8 / 12.0 | 8.7.x / 8.8.x | 注意 cuDNN 版本别混 |
| 10.0.x | 12.2 / 12.4 | 8.9.x / 9.0.x | 最新版，要求严格 |
核心原则：TensorRT 的发布说明里会明确写支持哪些 CUDA 和 cuDNN 版本。别信网上随便搜的教程，直接去 NVIDIA 官网查 Release Notes。
2.2 常见安装错误及解决
好，下面说几个我实际遇到过的错误。每个都是真金白银换来的经验。
错误一：libcudnn.so.8 找不到
这个错误太经典了。你编译通过，但运行时告诉你找不到动态库。
error while loading shared libraries: libcudnn.so.8: cannot open shared object file: No such file or directory原因：cuDNN 没装对，或者路径没加到 LD_LIBRARY_PATH 里。
解决：
- 先确认 cuDNN 是否真的装了：
ls /usr/local/cuda/lib64/libcudnn* - 如果没装，去 NVIDIA 下载对应版本的 cuDNN，注意要和 CUDA 版本匹配
- 如果装了但找不到，加环境变量：
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
我的习惯：我会在 ~/.bashrc 里写死这个路径，省得每次都要 export。但注意别写错路径，否则整个系统都可能受影响。
错误二：CUDA driver version is insufficient
这个错误我印象很深。有一次我在一台新服务器上部署，折腾了半天才发现是驱动太老。
CUDA driver version is insufficient for CUDA runtime version原因：你装的 CUDA Toolkit 版本比显卡驱动支持的版本高。说白了，驱动跟不上。
解决：
- 检查驱动版本：
nvidia-smi看右上角的 CUDA Version - 检查 Toolkit 版本：
nvcc --version - 驱动版本必须 >= Toolkit 版本。如果不行，要么升级驱动，要么降级 Toolkit
注意：nvidia-smi 显示的 CUDA Version 是驱动支持的最高版本，不是你实际用的版本。别搞混了。
错误三：TensorRT 编译时找不到 cublas
这个错误在编译 TensorRT 插件时常见。我记得有一次帮同事排查，他死活编译不过，最后发现是 CUDA 路径没配好。
fatal error: cublas_v2.h: No such file or directory原因：CMake 找不到 CUDA 的头文件路径。
解决：
- 确认 CUDA 安装路径：
ls /usr/local/cuda/include/cublas_v2.h - 在 CMakeLists.txt 里指定：
set(CUDA_TOOLKIT_ROOT_DIR /usr/local/cuda) - 或者用
-DCUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda编译
2.3 避坑指南：我踩过的那些坑
我曾经在项目里犯过一个低级错误。当时急着上线，直接从网上下了一个 TensorRT 的 deb 包就装了。结果跑模型时各种报错，查了两天才发现——我装的 TensorRT 是 Ubuntu 20.04 的包，但系统是 22.04。依赖库版本全对不上。
所以我的建议是：
- 用 tar 包安装，别用 deb 或 rpm。tar 包解压就能用，不会污染系统库
- 装完先跑 sample，比如
sample_onnx_mnist。能跑通说明环境没问题 - 版本号写死，别用 latest。你想想看，今天装的是 8.6，明天可能就变成 8.7 了，但你的代码可能不兼容
一句话总结：环境搭建没有捷径。老老实实对照版本表，一步步来，比什么都强。
2.4 快速验证脚本
最后，给你一个我常用的验证脚本。装完环境后跑一下，能快速确认所有组件是否正常。
#!/bin/bash
# 验证 CUDA
nvcc --version
# 验证 cuDNN
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
# 验证 TensorRT
dpkg -l | grep TensorRT
# 或者用 tar 包的话
/path/to/TensorRT/bin/trtexec --version这个脚本我每次装完环境都会跑一遍。如果输出正常，那基本就稳了。
嗯，环境搭建这部分就这些。下一章我们聊聊模型转换时那些让人头疼的问题。