TensorRT是NVIDIA自家的高性能推理库，其列出了各资料入口，如下：本文基于当前的TensorRT8.2版本，将一步步介绍从安装，直到加速推理自己的ONNX模型。安装进选择版本下载，需注册登录。本文选择了TensorRT8.2.2.1.Linux.x8664gnu.cuda11.4.cudnn8.2.tar.gz，可以注意

好不容易在某电商平台抢到了一块3080显卡，高高兴兴的装机准备大搞游戏开始深度学习，却遇到了很多麻烦，当然经过多方探索，终于也是解决了linux和Windows双平台的兼容性问题，目前Pytorch和TensorFlow都能使用。首先是linux平台最快方法：去NVIDIA官网下载cuda11.1，从这个版本才开始支持30系列显卡。同时记得把cud

ChangelogOneFlow发布了新版本0.3.2，这个版本以及之前的0.3.1版本都是大版本0.3.0的minor版本，所以在此一并介绍。在这个版本中，引入了大量性能优化、加入了不少新的feature，率先支持了CUDA11.1。主要新功能一览支持亚线性内存优化

caffe21.caffe2的安装方法有几种。其中最方便的是condainstall。但是要求必须安装Anaconda。condainstallccaffe2caffe2cuda8.0cudnn7注意：cudnn的版本需要升级，未实验过cudnn5或cudnn6。如果gcc版本小于5，需要指明gcc版本，如：condai

需求：很多时候我们在GitHub找到的一些深度学习代码，由于环境依赖等原因无法跑通，比如基于tf编写的代码库，由于tf各版本API变得非常大（大坑），要想复现最简单的办法是配置和作者相同的tf环境，相应带来的麻烦是cuda版本和cudnn的重新配置，非常麻烦。解决方案：一个可行的解决方案是使用docker，pytorch和tenso