Autoware项目在ARM架构Ubuntu22.04上构建TensorRT组件的问题分析
问题背景
在Autoware自动驾驶框架的开发过程中,当用户在基于ARM架构的Jetson AGX Orin开发套件上(运行Ubuntu 22.04系统)构建autoware_tensorrt_common
组件时,遇到了CMake构建错误。错误信息显示CMake无法找到TENSORRT_NVPARSERS_LIBRARY
变量,导致构建过程失败。
环境配置
出现问题的环境配置如下:
- 硬件平台:NVIDIA Jetson AGX Orin 32GB开发套件
- 操作系统:Ubuntu 22.04 LTS
- CUDA版本:12.6
- cuDNN版本:9.3.0.75-1+cuda12.6
- TensorRT版本:10.3.0.30-1+cuda12.5
- Autoware版本:最新提交
错误分析
构建过程中出现的核心错误信息表明CMake无法定位到TENSORRT_NVPARSERS_LIBRARY
这个关键库文件。深入分析后发现,这实际上反映了TensorRT版本兼容性问题。
根本原因
经过技术调查,发现以下关键因素导致了这一问题:
-
TensorRT版本演进:从TensorRT 9.0.1版本开始,NVIDIA移除了
libnvparsers
库。该库在早期版本(如8.6.1)中用于提供CaffeParser和UffParser功能。 -
架构兼容性限制:TensorRT 8.6.1版本虽然包含所需的
libnvparsers
,但官方仅支持x86架构的Ubuntu 22.04,对于ARM架构的Ubuntu 22.04仅支持到Ubuntu 20.04。 -
Autoware依赖关系:Autoware的
autoware_tensorrt_common
组件仍然依赖于已被移除的libnvparsers
库,这在较新的TensorRT版本上会导致构建失败。
解决方案
针对这一问题,开发者可以考虑以下几种解决方案:
-
降级TensorRT版本:回退到包含
libnvparsers
的TensorRT 8.6.1版本,但需要注意架构兼容性问题。 -
修改Autoware代码:更新
autoware_tensorrt_common
组件,使其适配TensorRT 10.x的新API,不再依赖已被移除的库。 -
使用兼容环境:考虑使用官方支持的Ubuntu 20.04环境进行开发,以获得更好的TensorRT兼容性。
技术建议
对于在ARM架构上开发Autoware的用户,建议:
- 仔细检查TensorRT版本与Autoware组件的兼容性
- 关注Autoware官方对TensorRT新版本的支持进度
- 在环境配置时参考官方文档的版本要求
- 考虑使用容器化方案来管理不同版本的依赖关系
总结
这一问题典型地展示了深度学习框架与硬件加速库之间的版本依赖复杂性。在嵌入式AI开发中,特别是在Jetson等ARM平台上,软件版本的选择和兼容性检查尤为重要。开发者需要平衡新特性需求与系统稳定性,选择最适合项目需求的软件版本组合。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~045CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0301- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









