linux from .tensorrt import * ImportError: libcudnn.so.8: cannot open shared object file: No such file or directory

### 解决 `libnvinfer.so.8` 导入错误的方法 当尝试运行依赖于 TensorRT 的程序时，如果遇到如下错误： ``` ImportError: libnvinfer.so.8: cannot open shared object file: No such file or directory ``` 这通常意味着系统无法找到所需的库文件。为了修复此问题，可以采取以下措施。 #### 验证安装路径 确认 TensorRT 库已正确安装并位于系统的库路径中。可以通过命令来查找 TensorFlow 安装目录中的相关库位置[^2]： ```bash $ python -c 'import os; import inspect; import tensorrt as trt; print(os.path.dirname(inspect.getfile(trt)))' ``` 该命令会打印出 TensorRT 模块所在的绝对路径。 #### 设置环境变量 确保设置了正确的环境变量以便操作系统能够定位到这些共享库。编辑 `.bashrc` 或者相应的 shell 初始化脚本，在其中添加必要的路径设置： ```bash export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/tensorrt/lib ``` 上述假设 TensorRT 被安装到了 `/usr/local/tensorrt/` 下面；实际路径可能有所不同，请根据实际情况调整。 #### 更新动态链接器缓存 有时即使已经配置好了 `LD_LIBRARY_PATH`，仍然需要更新系统的动态链接器缓存才能使更改生效。执行下面的指令刷新缓存： ```bash sudo ldconfig ``` 完成以上操作之后再次启动应用程序应该就不会再看到类似的导入错误了。 #### 安装缺失的包 如果经过前面几步处理后依旧存在问题，则可能是由于缺少特定版本的 TensorRT SDK 或其依赖项所引起的。此时应当参照官方文档下载对应平台下的最新稳定版软件包进行重新安装或者升级现有版本。 ```bash pip install --upgrade nvidia-tensorrt ``` 注意这里使用的是 pip 工具来进行 Python 绑定部分的更新，对于其他形式的应用则需按照各自的方式获取最新的发行版本。

<think>好的，我需要解决用户遇到的TensorRT导入错误，具体是ImportError: libnvinfer.so.8: cannot open shared object file: No such file or directory。首先，我得分析这个问题的常见原因。根据之前的引用，比如引用[1]和[3]，问题通常出在系统没有正确安装相关的库文件，或者环境变量没有配置好，导致程序找不到这些共享库。 第一步，我应该检查用户是否已经安装了TensorRT，特别是包含libnvinfer.so.8的版本。如果用户是通过预编译的包安装的，可能需要手动安装这些依赖。例如，在Ubuntu上，可能需要使用apt安装nvidia-tensorrt。另外，用户可能安装了TensorRT但没有将库路径添加到LD_LIBRARY_PATH环境变量中，这时候需要确认路径是否正确，并导出该变量。 然后，根据引用[3]中的情况，用户可能在PyCharm中遇到问题，而终端却正常，这说明PyCharm可能没有继承系统的环境变量。解决方法是在PyCharm中手动设置环境变量，或者在启动脚本中添加导出命令。 接下来，我需要考虑符号链接的问题。有时候安装的库可能版本不同，导致链接失效，这时候需要创建正确的符号链接指向已安装的版本。此外，用户可能需要运行ldconfig来更新系统的库缓存，确保新安装的库被正确识别。 最后，如果所有步骤都无效，可能需要重新安装TensorRT，并确保安装过程没有错误。同时，检查安装文档，确认所有依赖都已满足，比如CUDA和cuDNN的版本是否兼容。 总结起来，解决方案应该包括检查安装、配置环境变量、处理PyCharm设置、符号链接和库缓存更新，以及可能的重新安装步骤。需要逐步引导用户完成这些排查和修复过程，确保每个可能的因素都被考虑到。</think>针对TensorRT导入时出现的$ImportError: libnvinfer.so.8$缺失问题，请按以下步骤排查解决： 1. **验证TensorRT安装** - 检查是否已正确安装TensorRT 8.x版本，执行： ```bash dpkg -l | grep tensorrt ``` - 若未安装，从[NVIDIA官网](https://developer.nvidia.com/tensorrt)下载对应CUDA版本的TensorRT deb包，按顺序安装： ```bash sudo dpkg -i nv-tensorrt-repo-*.deb sudo apt-key add /var/nv-tensorrt-repo-*/7fa2af80.pub sudo apt update sudo apt install tensorrt ``` 2. **配置环境变量** - 添加TensorRT库路径到$LD_LIBRARY_PATH$： ```bash export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH ``` 将该命令写入$~/.bashrc$文件实现永久生效 3. **PyCharm特殊配置**（若使用IDE） - 进入$Run > Edit Configurations > Environment variables$ - 添加新变量： ``` Name: LD_LIBRARY_PATH Value: /usr/lib/x86_64-linux-gnu:原有路径 ``` 如引用[3]所述，这是PyCharm未继承系统环境变量的典型解决方案[^3] 4. **修复符号链接** - 检查是否存在无效符号链接： ```bash ls -l /usr/lib/x86_64-linux-gnu/libnvinfer.so* ``` - 若链接缺失，手动创建： ```bash sudo ln -s /usr/lib/x86_64-linux-gnu/libnvinfer.so.8.x.x /usr/lib/x86_64-linux-gnu/libnvinfer.so.8 ``` 5. **更新动态链接库缓存** ```bash sudo ldconfig ``` 6. **验证修复结果** ```bash ldd /path/to/your/tensorrt_library.so | grep libnvinfer ``` 正常应显示类似： ``` libnvinfer.so.8 => /usr/lib/x86_64-linux-gnu/libnvinfer.so.8 (0x00007f3d4a200000) ``` **注意**：若使用Docker环境，需在容器构建阶段显式复制TensorRT库文件，如引用[1]中所述共享库缺失的容器化场景[^1]。