以下是在 Windows 上安装 TensorRT 的详细步骤：

1. 前提条件检查：
   • 拥有英伟达显卡，且显存 8GB 以上（30 系、40 系等新卡更好）。
   • 安装了英伟达显卡驱动，版本需大于等于 530。
   
   
2. 安装 CUDA：
   • 根据 TensorRT 的版本要求，下载兼容的 CUDA 版本。例如，可前往英伟达官方网站的 CUDA 下载页面，选择适合您系统的版本（如 CUDA 12.1 等）。下载完成后，双击安装程序，安装位置可选择默认。
   • 安装完成后，确认 CUDA 的库文件路径和二进制文件路径已添加到系统的环境变量中。您可以在命令提示符中输入 nvcc -V 来检查 CUDA 是否安装成功。
   
   
3. 安装 cuDNN：
   • 在英伟达官方网站上下载与您安装的 CUDA 版本相匹配的 cuDNN。比如，如果您安装的是 CUDA 12.1，就选择适合 CUDA 12.x 的 cuDNN 版本。
   • 将下载的 cuDNN 压缩包解压，找到 CUDA 的安装目录（例如 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1），然后将 cuDNN 解压后的对应文件夹中的文件复制到 CUDA 安装目录下的相应文件夹。具体来说，需要复制 3 次，分别将 cuDNN 的 bin 文件夹下的文件复制到 CUDA 的 bin 文件夹，include 文件夹下的文件复制到 CUDA 的 include 文件夹，lib 文件夹下的文件复制到 CUDA 的 lib 文件夹。
   
   
4. 安装 TensorRT：
   • 从英伟达官方网站下载 TensorRT 的压缩包。需注意选择与您的 CUDA 版本和系统相匹配的版本。
   • 解压下载的 TensorRT 压缩包。
   • 将 TensorRT 解压后的 bin 文件夹中的所有动态链接库（.dll 文件）复制到 CUDA 的 bin 文件夹。
   • 将 TensorRT 的 include 文件夹复制到 CUDA 的 include 文件夹。
   • 将 TensorRT 的 lib 文件夹中的静态库（.lib 文件）复制到 CUDA 的 lib 文件夹。
   
   
5. 安装 TensorRT 的 Python 包（如果需要在 Python 中使用）：
   • 进入解压后的 TensorRT 文件夹中的 python 子文件夹。
   • 使用 pip 命令安装该文件夹下对应的 .whl 文件。例如，如果您的 Python 版本是 3.8，就安装 tensorrt-xxx-cp38-none-win_amd64.whl（其中 xxx 为具体的版本号）。您可能还需要安装 graphsurgeon、uff、onnx_graphsurgeon 等相关的 Python 包。
   
   
6. 验证安装：
   • 打开命令提示符或 Python 解释器，输入 import tensorrt，如果没有报错并能正确打印出 TensorRT 的版本信息，则说明安装成功。