不贰郭1. 当编译器说"找不到NvInfer.h"时发生了什么
第一次在项目里集成TensorRT时，最让人抓狂的莫过于看到终端里蹦出"fatal error: NvInfer.h: No such file or directory"这行红字。这就像你拿着钥匙却找不到钥匙孔——明明安装了TensorRT，编译器却声称找不到关键的头文件。实际上，这个报错暴露了C/C++项目配置中最经典的问题：头文件搜索路径缺失。
NvInfer.h是TensorRT的核心头文件，相当于整个推理引擎的"说明书"。当你在代码中写下#include "NvInfer.h"时，预处理器会去几个固定位置寻找这个文件：首先是当前目录，然后是编译器默认包含路径，最后是用户指定的额外路径。如果TensorRT的头文件不在这些路径中的任何一个，就会触发这个经典错误。
我去年在部署YOLOv5模型时就栽在这个坑里。当时用find命令搜索才发现，系统里居然同时存在三个不同版本的TensorRT头文件：
bash复制find / -name NvInfer.h 2>/dev/null
/opt/TensorRT-7.2.3.4/include/NvInfer.h
/usr/local/TensorRT-8.0.1.6/include/NvInfer.h
~/Downloads/TensorRT-8.2.0.6/include/NvInfer.h
这种多版本共存的情况在开发环境中很常见，特别是当你用不同版本的CUDA做实验时。关键是要确保编译时使用的头文件版本与链接的库版本严格一致，否则后续会出现更隐蔽的运行时错误。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 三步定位TensorRT安装位置
2.1 手动搜索法
在Linux系统下，TensorRT通常安装在/usr/local、/opt或用户主目录下。最快的方式是使用find命令进行全盘搜索：
bash复制sudo find / -name "NvInfer.h" 2>/dev/null
这个命令会列出所有可能的安装路径。注意观察路径中的版本号信息，比如TensorRT-8.2.0.6这样的目录名就明确指示了版本。
我在帮同事调试时发现，有些Docker环境会把TensorRT装在`/usr/include