NVIDIA官网资源TensorRT 8.2 GA Update 4，请仔细核对版本 TensorRT-8.2.5.1.Windows10.x86_64.cuda-11.4.cudnn8.2.zip

由于pjreddie由于长时间未更新，随着cuda与cudnn版本的升级，兼容性出现了一些问题，当cudnn版本为8.0及以上版本时，出现了找不到cudnn的问题，使用本资源的文件替换./src/convolutional_layer.c文件即能解决编译问题。

TensorRT-8.2.0.6.Windows10.x86_64.cuda-10.2.cudnn8.2 windsows版本，使用的时候将lib include bin中的文件放到对应的你的如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0路径下的 lib include bin里面

TensorRT-7.2.2.3.Ubuntu-18.04.x86_64-gnu.cuda-11.0.cudnn8.0.tar.gz，安装tensorRT源码，适合cuda版本11.0 cudnn版本8.0

TensorRT是可以在NVIDIA各种GPU硬件平台下运行的一个C++推理框架。我们利用Pytorch、TF或者其他框架训练好的模型，可以转化为TensorRT的格式，然后利用TensorRT推理引擎去运行我们这个模型，从而提升这个模型在英伟达GPU上运行的速度。速度提升的比例是比较可观的。TensorRT是由C++、CUDA、python三种语言编写成的一个库，其中核心代码为C++和CUDA，Python端作为前端与用户交互。当然，TensorRT也是支持C++前端的，如果我们追求高性能，C++前端调用TensorRT是必不可少的。

cuDNN官网有时进不去

若需完整使用请继续下载“cudNN8.2.1 Linux版本【第二部分】，适用cuda11.x” 解压后请cd到cuda的目录下，执行以下操作完成cudnn的配置： mkdir cuda cd cuda mkdir lib64 将下载的压缩包复制到lib64中，解压。 以下操作请在下载完第二部分之后执行。 全部完成之后的文件夹结构应为 /PATH/TO/cuda/ --include/ --lib64/ --libcudnn1.tar.gz --libcudnn2.tar.gz === sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64 sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*

请在下载之前下载“cudNN8.2.1 Linux版本【第一部分】，适用cuda11.x”，并完成该资源描述中的相关指令操作 解压之后为include文件和lib64文件中的第二部分，解压成功后执行 mv include/ ../ 全部解压完成后的文件架构应为 /PATH/TO/cuda/ --include/ --lib64/ 以下操作请执行完第一、二部分所有操作之后执行 ====== === sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64 sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*

tensorflow2.0 Gpu版本，在cuda11.0 cudnn8.0-vs2019 下编译，需要依赖cuda11.0和cudnn8.0.

cudnn8 适配cuda11.1 11.0