安装前说明几点。 因为到现在为止还不熟悉linux的安装方式，所以一看源代码的编译、dpkg、apt等各种安装方式。 我知道这里的源代码方式都是用Makefile或cmake编译后再安装。 过程很复杂，容易出错。 apt与dpkg组合使用。 这里简单介绍dpkg :
dpkg linux开发人员编译在固定硬件平台和操作系统平台上安装的软件，并将所有与软件相关的文件打包为特殊格式的文件。 该文件还包含用于预检测系统和依赖关系的脚本，其中包含软件提供的所有文件信息。 在客户获得软件包后，使用特定命令进行安装时，软件会根据内部脚本检测前驱软件的存在，并在安装环境满足需要时按键开始安装。 安装完成后，软件信息也会写入软件管理机制，完成未来的升级、删除等操作。
dpkg的基本命令概要如下所示。
3358www.Sina.com/安装包dpkg -i package-name删除包(保留配置信息) 3358www.Sina.com/删除包(包含配置信息) 3358 www.Sina.com
dpkg -r package-name查看软件说明(查看直接使用dpkg -l安装的所有软件包，filename可以使用正则，我通常会使用` ` ` dpkg-l|grep (与3358www.Sina.com/package-name对应的软件包安装的文件和目录3358www.Sina.com/package-name对应的软件包信息http://www.)
dpkg -P package-namedpkg软件包管理软件配置文件
dpkg --configure package-namedpkg软件包管理软件日志文件
http://包含www.Sina.com /系统上安装的所有软件包信息
http://包含当前安装在www.Sina.com /系统上的所有软件的状态信息
dpkg --unpack package-name记录安装包控制目录的控制信息文件
使用dpkg -I filename时，apt-get解决了软件安装过程中的许多问题，但如果依赖项不满足，则必须手动解决。dpkg -L filename工具解决了这些问题，linux distribution首先分析并记录软件依赖关系。 然后，如果客户端需要安装软件，则可以通过使用清单和本地dpkg与现有软件数据进行比较，从网络端获取具有所需依赖属性的所有软件。
apt的基本命令概要如下所示。
3358www.Sina.com/更新来源dpkg -s filename升级系统dpkg -S filename-pattern所有已安装的软件包3358 www.Sina.com 更新安装软件包(删除软件包(保留配置信息)/etc/dpkg/dpkg.cfg删除软件包) 3358www.Sina.com/查找软件包信息http://www.Sina.com
/var/log/dpkg.log记录软件源的地址
/var/lib/dpkg/available下载的软件包位于此处
以上是linux的几种安装方式，这和这次的NVIDIA系列的安装有什么关系呢？ 其实，NVIDIA提供了很多安装方法。 招聘方法因人而异，不了解linux的人容易发生错误，所以先介绍一下。 从以下位置安装此库
通过dpk
g安装 cuda：11.3.1 wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-ubuntu1604.pinsudo mv cuda-ubuntu1604.pin /etc/apt/preferences.d/cuda-repository-pin-600wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda-repo-ubuntu1604-11-3-local_11.3.1-465.19.01-1_amd64.debsudo dpkg -i cuda-repo-ubuntu1604-11-3-local_11.3.1-465.19.01-1_amd64.debsudo apt-key add /var/cuda-repo-ubuntu1604-11-3-local/7fa2af80.pubsudo apt-get updatesudo apt-get -y install cuda cudnn：8.2.1你需要下载这四个文件，否则你无法安装成功
安装运行时库，例如： sudo dpkg -i libcudnn8_x.x.x-1+cudax.x_amd64.deb或者
sudo dpkg -i libcudnn8_x.x.x-1+cudax.x_arm64.deb 安装开发者库，例如： sudo dpkg -i libcudnn8-dev_8.x.x.x-1+cudax.x_amd64.deb或者
sudo dpkg -i libcudnn8-dev_8.x.x.x-1+cudax.x_arm64.deb 安装代码示例和 cuDNN 库文档，例如： sudo dpkg -i libcudnn8-samples_8.x.x.x-1+cudax.x_amd64.deb或者
sudo dpkg -i libcudnn8-samples_8.x.x.x-1+cudax.x_arm64.deb4.我安装完上面的后自己测试还是没成功，需要安装 cuDNN Library for Linux (x86_64)，也就是上图第一个：
解压缩cuDNN包。
tar -xzvf cudnn-x.x-linux-x64-v8.x.x.x.tgz或者
tar -xzvf cudnn-x.x-linux-aarch64sbsa-v8.x.x.x.tgz 将以下文件复制到CUDA Toolkit目录中。 sudo cp cuda/include/cudnn*.h /usr/local/cuda/include sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* tensorrt：8.0.3 从 本地 .dep包安装TensorRT。代替 ubuntuxx04, cudax.x, trt8.xxx 和 yyyymmdd 使用您的特定操作系统版本、CUDA 版本、TensorRT 版本和包日期。 os="ubuntuxx04"tag="cudax.x-trt8.x.x.x-yyyymmdd"sudo dpkg -i nv-tensorrt-repo-${os}-${tag}_1-1_amd64.debsudo apt-key add /var/nv-tensorrt-repo-${os}-${tag}/7fa2af80.pubsudo apt-get updatesudo apt-get install tensorrt 如果使用 Python 3.x： sudo apt-get install python3-libnvinfer-dev 将安装以下附加软件包： python3-libnvinfer 如果您打算将 TensorRT 与 TensorFlow 一起使用： sudo apt-get install uff-converter-tf这 graphsurgeon-tf 软件包也将使用上述命令安装。
如果您想运行需要 ONNX 的示例 图外科医生 或者在你自己的项目中使用 Python 模块，运行： sudo apt-get install onnx-graphsurgeon 验证安装。 dpkg -l | grep TensorRT 您应该会看到类似于以下内容的内容： ii graphsurgeon-tf8.2.0-1+cuda11.4amd64GraphSurgeon for TensorRT packageii libnvinfer-wwdxwz8.2.0-1+cuda11.4amd64TensorRT wwdxwzariesii libnvinfer-dev8.2.0-1+cuda11.4amd64TensorRT development libraries and headersii libnvinfer-doc8.2.0-1+cuda11.4allTensorRT documentationii libnvinfer-plugin-dev8.2.0-1+cuda11.4amd64TensorRT plugin librariesii libnvinfer-plugin88.2.0-1+cuda11.4amd64TensorRT plugin librariesii libnvinfer-samples8.2.0-1+cuda11.4allTensorRT samplesii libnvinfer88.2.0-1+cuda11.4amd64TensorRT runtime librariesii libnvonnxparsers-dev8.2.0-1+cuda11.4amd64TensorRT ONNX librariesii libnvonnxparsers88.2.0-1+cuda11.4amd64TensorRT ONNX librariesii libnvparsers-dev8.2.0-1+cuda11.4amd64TensorRT parsers librariesii libnvparsers88.2.0-1+cuda11.4amd64TensorRT parsers librariesii python3-libnvinfer8.2.0-1+cuda11.4amd64Python 3 wwdxwzdings for TensorRTii python3-libnvinfer-dev8.2.0-1+cuda11.4amd64Python 3 development package for TensorRTii tensorrt8.2.0.x-1+cuda11.4 amd64Meta package of TensorRTii uff-converter-tf8.2.0-1+cuda11.4amd64UFF converter for TensorRT packageii onnx-graphsurgeon 8.2.0-1+cuda11.4 amd64 ONNX GraphSurgeon for TensorRT package通过 dpkg安装是挺方便的，但是不推荐这种方法，因为你无法确定你安装到哪里了，后面查找也不方便，因此推荐下面的的安装。
runfile安装 cuda11.3.1 wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.runsudo sh cuda_11.3.1_465.19.01_linux.run cudnn：8.2.1直接下载第一个即可： 需要安装 cuDNN Library for Linux (x86_64)，也就是上图第一个：
解压缩cuDNN包。
tar -xzvf cudnn-x.x-linux-x64-v8.x.x.x.tgz或者
tar -xzvf cudnn-x.x-linux-aarch64sbsa-v8.x.x.x.tgz将以下文件复制到CUDA Toolkit目录中。
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* tensorrt：8.0.3解压 tar 文件。 version="8.x.x.x"arch=$(uname -m)cuda="cuda-x.x"cudnn="cudnn8.x"tar xzvf TensorRT-${version}.Linux.${arch}-gnu.${cuda}.${cudnn}.tar.gz 在哪里： 8.xxx是你的TensorRT版本cuda-xx 是CUDA版本 10.2 或者 11.4cudnn8.x 是cuDNN版本 8.2 该目录将有子目录，如 库, 包括, 数据， 等等… ls TensorRT-${version}wwdxwz data doc graphsurgeon include lib onnx_graphsurgeon python samples targets TensorRT-Release-Notes.pdf uff 添加TensorRT的绝对路径库 目录到环境变量 LD_LIBRARY_PATH： export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<TensorRT-${version}/lib> 安装 Python TensorRT轮文件。 cd TensorRT-${version}/pythonpython3 -m pip install tensorrt-*-cp3x-none-linux_x86_64.whl 安装 Python UFF 轮文件。仅当您计划将TensorRT与TensorFlow一起使用时才需要这样做。 cd TensorRT-${version}/uffpython3 -m pip install uff-0.6.9-py2.py3-none-any.whl 检查安装： which convert-to-uff 安装 Python 调用。 cd TensorRT-${version}/graphsurgeonpython3 -m pip install graphsurgeon-0.4.5-py2.py3-none-any.whl 安装 Python onnx-graphsurgeon 轮文件。 cd TensorRT-${version}/onnx_graphsurgeonpython3 -m pip install onnx_graphsurgeon-0.3.12-py2.py3-none-any.whl
Ubuntu 20.04安装CUDA 11.0、cuDNN 8.0.5、PyTorch 1.7.0
NVIDIA cuDNN v8 deb方法安装和卸载教程(Linux/Ubuntu)
Ubuntu1804 安装 cuda 、cudnn、TensorRT