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
• 安装vscode
• 在本地创建test文件夹和程序
• 运行程序

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

conda activate cu128-py133

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

(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%