简要记录安装过程和遇到的问题
写在前面：
一切的二手安装教程都不如官方手册，建议先根据手册进行安装，遇到问题再自行谷歌：
TensorRT官方文档
先安装docker
TensorRT-LLM 官方推荐使用 Docker 进行构建和运行
ubuntu安装docker官方手册
可以通过以下命令进行检测buildx是否可用（遇到的第一个安装错误，缺少buildx，重装docker解决了）
docker buildx version
获取 TensorRT-LLM 源码
apt-get update && apt-get -y install git git-lfs
git lfs install
git clone https://github.com/NVIDIA/TensorRT-LLM.git
cd TensorRT-LLM
git submodule update --init --recursive //更新并初始化子模块
git lfs pull
建立docker 镜像
可以搜索自己的GPU的计算能力，替换以下命令行的数字(能加速构建)
注：构建 TensorRT-LLM Docker 镜像需要约 63 GB 的磁盘空间
make -C docker release_build CUDA_ARCHS="86-real"
运行 Docker 容器
make -C docker release_run
如果希望以本地用户身份运行容器（而非 root），可以添加 LOCAL_USER=1 参数:
make -C docker release_run LOCAL_USER=1
在容器中构建 TensorRT-LLM
- 在容器中运行以下命令构建 TensorRT-LLM：
python3 ./scripts/build_wheel.py --trt_root /usr/local/tensorrt
- 清理构建目录（可选）
如果需要清理构建目录，可以添加 --clean 参数：
python3 ./scripts/build_wheel.py --clean --trt_root /usr/local/tensorrt
- 指定 GPU 架构（可选）
如果需要限制支持的 GPU 架构，可以指定 --cuda_architectures 参数。例如，仅支持 Ampere 架构：
python3 ./scripts/build_wheel.py --cuda_architectures "80-real;86-real" --trt_root /usr/local/tensorrt
- 构建 C++ 基准测试（可选）
如果需要构建 C++ 基准测试脚本，可以添加 --benchmarks 参数：
python3 ./scripts/build_wheel.py --benchmarks --trt_root /usr/local/tensorrt
安装 TensorRT-LLM
构建完成后，安装生成的 Wheel 包：
pip install ./build/tensorrt_llm*.whl
验证安装, 运行以下命令验证安装是否成功：
python3 -c "import tensorrt_llm; print(tensorrt_llm.__version__)"
更多细节，访问TensorRT官方文档