RTX5060 GPU CUDA12.8 +vscode 设计一个torch实例程序

目录

基础硬件和软件条件

在上一篇文章介绍了RTX5060显卡,安装了cuda等驱动。

安装vscode

这一步下载官网程序,双击安装即可。

打开vscode,安装python插件和文心comate AI编码插件。

在本地创建test文件夹和程序

在D盘创建一个torch_test文件夹。用vscode打开文件夹。

用文心AI编码插件自动生成一个实例程序deep_learning_example.py

运行程序

首先启动环境,打开anaconda prompt,进入base环境,再输入

bash 复制代码
conda activate cu128-py133

这个新环境cu128-py133,在上一篇文章介绍,安装cuda cuDNN torch

bash 复制代码
(cu128-py133) D:\opencv_py>python deep_learning_example.py
使用设备: cuda

加载MNIST数据集...
100.0%
100.0%
100.0%
100.0%
训练集大小: 60000
测试集大小: 10000

模型结构:
ConvNet(
  (conv1): Conv2d(1, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
  (conv2): Conv2d(32, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
  (pool): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (dropout): Dropout(p=0.25, inplace=False)
  (fc1): Linear(in_features=3136, out_features=128, bias=True)
  (fc2): Linear(in_features=128, out_features=10, bias=True)
)

开始训练 (5 epochs)...

Epoch 1/5:
  [Batch 100] Loss: 0.3126
  [Batch 200] Loss: 0.1049
  [Batch 300] Loss: 0.0473
  [Batch 400] Loss: 0.0505
  [Batch 500] Loss: 0.0741
  [Batch 600] Loss: 0.1664
  [Batch 700] Loss: 0.1003
  [Batch 800] Loss: 0.0381
  [Batch 900] Loss: 0.0190
  训练 - Loss: 0.1634, Accuracy: 94.94%
  测试 - Loss: 0.0382, Accuracy: 98.65%

Epoch 2/5:
  [Batch 100] Loss: 0.0189
  [Batch 200] Loss: 0.0494
  [Batch 300] Loss: 0.0424
  [Batch 400] Loss: 0.0075
  [Batch 500] Loss: 0.0604
  [Batch 600] Loss: 0.0170
  [Batch 700] Loss: 0.0088
  [Batch 800] Loss: 0.0039
  [Batch 900] Loss: 0.0486
  训练 - Loss: 0.0582, Accuracy: 98.21%
  测试 - Loss: 0.0325, Accuracy: 98.91%

Epoch 3/5:
  [Batch 100] Loss: 0.0095
  [Batch 200] Loss: 0.0194
  [Batch 300] Loss: 0.0740
  [Batch 400] Loss: 0.0246
  [Batch 500] Loss: 0.0721
  [Batch 600] Loss: 0.0172
  [Batch 700] Loss: 0.0177
  [Batch 800] Loss: 0.0176
  [Batch 900] Loss: 0.0252
  训练 - Loss: 0.0452, Accuracy: 98.61%
  测试 - Loss: 0.0301, Accuracy: 99.06%
相关推荐
chh5631 天前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
TomEval1 天前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
ZhengEnCi1 天前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
一只爱撸猫的程序猿1 天前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
GitCode官方1 天前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI1 天前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP1 天前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷1 天前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
罗西的思考1 天前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
屿华AI1 天前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具