先介绍一下的我的显卡配置，GPU是RTX3050。

总共有五个步骤，安装显卡驱动，安装cuda，安装cudnn，安装pytorch torchvision，安装Tensorrt8。

一 安装驱动

首先需要根据显卡算力选择适配的显卡驱动，我看网上方法总结有四种，我用的附加驱动安装方法，感觉很好用，相比较区nvidia官网下载对应驱动，再用纯命令行安装简单多了，方法如下

在这里选择推荐的驱动安装即可。

第二种方法 通过PPA源进行安装

ubuntu-drivers devices

== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
vendor   : NVIDIA Corporation
modalias : pci:v000010DEd00001F11sv000017AAsd00003FFDbc03sc00i00
driver   : xserver-xorg-video-nouveau - distro free builtin
driver   : nvidia-418 - third-party free recommend
driver   : nvidia-430 - third-party free
 

选择最右侧写有recommend的驱动，表示系统推荐安装

sudo ubuntu-drivers autoinstall
或者
sudo apt-get install nvidia-430

最后重启

sudo reboot

二  安装cuda

安装cuda比较简单，但是要注意安装文件的格式，如果通过deb文件安装cuda，那么最后Tensorrt安装包也必须是deb格式的，我这里讲解通过.run文件安装cuda，很简单，跟着官网链接操作即可，另外需要根据显卡驱动选择合适的cuda版本，这个通过

nvidia-smi

查看即可，如图

 右上角CUDA Version表示该驱动支持的cuda的最高版本，也就是说，不能安装超过11.4版本的cuda，比如说cuda 11.5 ，但是可以向下兼容，cuda 11.3 ，11.2都可以，我本人安装的是cuda11.3，成功可用。

英伟达官网，打开官网，下载run格式的cuda安装即可，这一步注意，按回车取消Driver项的安装，然后回车选择Install，取消前

 取消后

 就可安装成功。然后通过nvcc –version查看cuda安装成功即可

nvcc --version

这里多说一句，nvidia-smi是cuda driver(驱动)提供的接口，nvcc –version是cuda runtime提供的接口，在选择cudnn时，选择基准是cuda runtime的接口，即nvcc –version。

三 安装cudnn

安装cdunn的方法有两种，这里我选择deb文件进行安装，另一种是通过tar文件安装，

cudnn官网，打开官网，与cuda版本对应的cudnn即可。

 下载图中最下方的三个安装包即可，注意三个包的安装顺序。

四 安装pytorch 

参考该博文即可，torch安装文章。

五 安装Tensorflow

老实说，我在这里的安装也挺奇怪的，参考的CSDN最高赞安装TensorRT文章，注意安装cuda时用的deb包，安装Tensorrt也必须用deb包，我用的Tar压缩文件安装，高赞安装Tensorrt文章，安装Tensorrt后，import tensorrt报错，错误问题找不到了，说是找不到libcuda10.so文件，但是百度搜索，是因为cuda cudnn的版本和Tensorrt不匹配导致，需要重新安装cuda cudnn和tensorrt，最后反复安装终于成功了，经验是Cuda,cudnn,TensoRT一次性全部安装，这样不容易失败，原因可能是我卸载cuda和cudnn不彻底，卸载参考文章，因为我同时安装了cuda11.3和cuda11.4，最后彻底卸载cuda,cudnn,pytorch后，再重新TensorRT后，终于安装成功。import tensorrt成功，不再报错。