tensorrt对cudnn有严格依赖关系，版本一定要完全契合。
我安装的版本：
tensorrt 8.2.1.8
CUDA 11.2.0
cuDNN 11.3
（下文的版本还没来得及改）
1. 配置CUDA
安装tensorrt前需要配置好CUDA，CUDAToolkit等，详见 PyTorch安装：从环境到安装全程（CUDA，cuDNN，PyTorch安装） - 简书
2. 安装tensortflow
3.安装tensorrt
官方安装说明 TensorRT Documentation
（1）安装PyCUDA
没有numpy库的话需要先下载， pip install numpy。
确保CUDA正常安装并且cuda的bin目录已经添加到PATH，下载对应版本的PyCUDA 下载网址：
跳转到下载位置，通过语句安装： pip install pycuda（+Tab）
（2）下载TensorRT
tensorrt包下载官网地址：NVIDIA Developer Program Membership Required | NVIDIA Dev
根据安装的CUDA的版本（在下载链接的题目中有标明），下载对应的tensorrt：
（3）解压安装包
解压tensorrt.tar，把 ‘D:\Program Files\TensorRT-7.2.3.4\lib’ （参考自己的具体存储位置）添加至环境变量。
（4）把..\lib文件夹下的DLL文件拷贝到cuda对应版本的安装目录下。
目录 D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin 【不是C盘的？】
另外，把tensorrt的bin lib include中的相应文件（dll-bin, lib-lib, include-include）粘贴进c:\..\cuda\v11.2的相应文件夹。
（5）安装uff和graphsurgeon
在 ...\Tensor...(输入前几个字母，按Tab，自动补充后面的部分)\中，分别跳转到 graphsurgeon ，uff文件，输入指令安装
复制lib文件夹的 .dll 格式文件到CUDA目录（例如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin）。
4.把tensorrt\lib的路径添加至环境路径
5. 测试结果
VS2015的测试方法在很多博客里有详细过程，但是我的C盘实在不允许再下载一个新版本SDK了……
一个很直观的办法，在pycharm里看看，成功引入，没有报错（目前看来是没有问题的，后面跑码的时候看看输出的结果就能确定了，大概）。
