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
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
(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%