# 2025-djl-hw1

**Repository Path**: gpuap/2025-djl-hw1

## Basic Information

- **Project Name**: 2025-djl-hw1
- **Description**: 2025-djl-hw1
- **Primary Language**: C/C++
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-01-25
- **Last Updated**: 2026-01-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 2025年秋季 国科大《GPU架构与编程》——大作业一（SCNN / FashionMNIST / CUDA）

本仓库为《GPU架构与编程》大作业一实现与复现说明。代码基于给定 SCNN（Spiking CNN）推理框架，在**不修改网络结构**、**使用原始权重参数**的前提下，完成 CUDA 推理与优化实现。程序运行后输出一行结果：`<seconds>:<accuracy>`。

- 课程：2025年秋季 国科大《GPU架构与编程》
- 姓名：董家麟
- 学院：前沿交叉科学学院

---

## 1. 目录结构（与当前仓库一致）

请保持如下结构不变，以确保相对路径可复现：


说明：
- `model/` 存放原始权重与偏置（txt）。
- `data/FashionMNIST/raw/` 存放 FashionMNIST 测试集二进制文件（t10k）。
- 推荐在仓库根目录 `HOMEWORK_1/` 下执行程序，以使用相对路径访问 `data/` 与 `model/`。

---

## 2. 环境要求

- GPU：NVIDIA GeForce RTX 4060（Ada，SM 89）
- 操作系统：Windows 10/11 x64
- 工具链：NVIDIA CUDA Toolkit（版本需支持 `sm_89`）
- 编译器：MSVC（使用 `/O2 /MD /utf-8`）
- 环境脚本：先执行 `dev_env_all.bat`（用于设置编译/运行相关环境变量）

---

## 3. 编译与运行

请在 **仓库根目录 `HOMEWORK_1/`** 打开命令行执行。


```bat
dev_env_all.bat

### 3.2 编译
nvcc -arch=sm_89 -O3 -std=c++17 --cudart=shared -Xcompiler "/O2 /MD /utf-8" inference_2.cu -o inference_2

### 3.3 运行
.\inference_2 .\model

### 输出格式
<seconds>:<accuracy>