WSL2中TensorRT与TensorFlow 2.17适配安装问题求助

1. 补全TensorRT的APT依赖包 #

你目前只安装了核心TensorRT包，缺少配套开发库和插件组件，导致目录结构不完整。执行以下命令安装全部必要组件：

sudo apt-get install tensorrt libnvinfer10 libnvinfer-dev libnvinfer-plugin10 libnvinfer-plugin-dev python3-libnvinfer python3-libnvinfer-dev

安装完成后检查/usr/lib/tensorrt目录是否存在：

ls -la /usr/lib/tensorrt

如果目录正常生成，再查看bin子目录：

ls /usr/lib/tensorrt/bin

2. 配置环境变量，让TensorFlow定位到TensorRT #

编辑你的shell配置文件（比如~/.bashrc或~/.zshrc），添加以下环境变量：

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu/:$LD_LIBRARY_PATH
export LIBRARY_PATH=/usr/lib/x86_64-linux-gnu/:$LIBRARY_PATH
export PATH=/usr/lib/tensorrt/bin:$PATH

保存后执行命令使配置生效：

source ~/.bashrc

（使用zsh的话替换为source ~/.zshrc）

3. 验证Python能否识别TensorRT #

运行以下代码，确认TensorRT在Python环境中正常可用：

import tensorrt as trt
print(trt.__version__)

如果能打印出10.2.0相关版本号，说明Python层面的TensorRT安装没问题。

4. 处理CUDA组件重复注册警告 #

你看到的cuFFT/cuDNN/cuBLAS重复注册警告，是因为系统中同时存在conda和APT安装的CUDA库。可以通过设置环境变量屏蔽这类警告：

export TF_CPP_MIN_LOG_LEVEL=2

也可以把这条命令添加到shell配置文件中，永久生效。

5. 对齐CUDA与TensorRT版本 #

你的nvidia-smi显示CUDA驱动对应的CUDA版本是12.6，但你安装的是CUDA12.5，版本不匹配可能导致TensorRT无法被正确识别。建议将CUDA升级到12.6，或者确保安装的TensorRT是针对CUDA12.6编译的版本。

6. 验证TensorFlow与TensorRT的集成 #

执行以下代码，检查TensorFlow是否成功识别TensorRT：

import tensorflow as tf
from tensorflow.python.compiler.tensorrt import trt_convert as trt

print("TensorRT available:", trt.is_tensorrt_enabled())
print("TensorRT version:", trt.get_tensorrt_version())

如果输出True和对应的TensorRT版本号，说明集成成功。

内容的提问来源于stack exchange，提问作者Nicolas