Autoware项目中TensorRT库路径配置问题的解决方案
2025-05-24 21:50:38作者:房伟宁
问题背景
在构建Autoware项目时,开发者可能会遇到TensorRT库无法被正确识别的问题,特别是在使用tar包方式安装TensorRT而非deb包的情况下。系统会报错"cuda, cudnn, tensorrt libraries are not found",即使已经设置了LD_LIBRARY_PATH环境变量。
环境配置要点
-
版本兼容性:Autoware项目推荐使用CUDA 12.3版本,与TensorRT 8.6.1.6配合使用。开发者尝试过多种版本组合,包括:
- CUDA 12.3 + cuDNN 8.9 + TensorRT 8.6
- CUDA 11.8 + cuDNN 8.8 + TensorRT 8.6
-
路径设置:使用tar包安装TensorRT后,仅设置LD_LIBRARY_PATH是不够的:
export LD_LIBRARY_PATH=/opt/TensorRT-8.6.1.6/lib:$LD_LIBRARY_PATH
根本原因分析
通过修改CMakeLists.txt文件检查发现,问题出在TENSORRT_FOUND变量为false。这表明CMake系统无法定位TensorRT的安装位置,即使LD_LIBRARY_PATH已正确设置。
完整解决方案
对于使用tar包安装TensorRT的情况,需要额外设置TENSORRT_ROOT环境变量:
export TENSORRT_ROOT=/opt/TensorRT-8.6.1.6
请将此路径替换为实际的TensorRT安装路径。这个变量帮助构建系统定位TensorRT的头文件和库文件。
最佳实践建议
-
推荐安装方式:使用deb包安装TensorRT可以避免此类问题,系统会自动处理所有路径配置。
-
环境验证:安装后可通过以下命令验证TensorRT相关包是否安装成功:
dpkg -l | grep nvinfer
-
容器化方案:对于复杂的开发环境,建议使用Docker容器,可以确保环境的一致性和可重复性。
总结
在Autoware项目开发中,正确配置TensorRT环境对于深度学习相关功能的构建至关重要。通过设置TENSORRT_ROOT环境变量,可以解决tar包安装方式下的库路径识别问题。对于新手开发者,建议优先考虑使用deb包安装或Docker容器,以减少环境配置的复杂度。
登录后查看全文
热门项目推荐
- 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
收起

React Native鸿蒙化仓库
C++
176
262

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
863
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K