Linux系统下配置CUDA环境，使用GPU训练模型（Ubuntu22.04+python3.10+tensorflow2.8.0+cuda11.7+cudnn8.2.0）

• 安装前准备

Sudo apt-get update

Sudo apt-get install g++

Sudo apt-get install gcc

Sudo apt-get install make

禁用默认驱动

/etc/modprobe.d/blacklist.conf

在文件/etc/modprobe.d/blacklist.conf末尾加入

blacklist nouveau

​ ​编辑​

更新文件

重启，并再次查看

• 安装显卡驱动

1)查看显卡型号

2）下载驱动

https://www.nvidia.cn/geforce/drivers/

NVIDIA-Linux-x86_64-535.146.02.run

3）安装驱动

4）验证

• 安装cuda（V11.7）

1. 下载

https://developer.nvidia.com/cuda-toolkit-archive

1. 安装

1. 配置路径

Sudo nano .bashrc

在文件末尾加入

激活配置文件

1. 验证

  

• 安装cudnn

1）下载

Log in | NVIDIA Developer

2）解压文件

• 安装框架

• 环境验证

• 训练

测试代码，文件nmist.py（书写数字识别）

import tensorflow as tf

from tensorflow.keras import layers

from tensorflow.keras import models

(X_train, y_train), (X_test, y_test) = tf.keras.datasets.mnist.load_data()

X_train = X_train / 255.0

X_test = X_test / 255.0

X_train = X_train.reshape(-1, 28, 28, 1)

X_test = X_test.reshape(-1, 28, 28, 1)

model = models.Sequential()

model.add(layers.Conv2D(6, (5, 5), activation='relu', input_shape=(28, 28, 1)))

model.add(layers.MaxPooling2D((2, 2)))

model.add(layers.Conv2D(16, (5, 5), activation='relu'))

model.add(layers.MaxPooling2D((2, 2)))

model.add(layers.Flatten())

model.add(layers.Dense(120, activation='relu'))

model.add(layers.Dense(84, activation='relu'))

model.add(layers.Dense(10, activation='softmax'))

model.compile(optimizer='SGD',

              loss='sparse_categorical_crossentropy',

              metrics=['accuracy'])

model.fit(X_train, y_train, epochs=5, batch_size=64)

test_loss, test_acc = model.evaluate(X_test, y_test)

print(f'Test accuracy: {test_acc}')