pytorch1.2做CIFAR-10数据集分类详解，pytorch入门程序

问题：刚刚上手pytorch，不熟悉pytorch库也不精通python。
解决办法：通过经典框架快速上手。啊啊啊，好好学习，早日发顶刊顶会啊。
说明：

	经过修改，可以直接在VS中复制粘贴运行，非常简洁，哈哈哈，保证给你自信心。	
	
	原型代码是从Pytorch的官网下载的，官网可以在jupyter notebook下直接运行，但是在VS下会报[Error 32] Broken pipe错误。
	这可能是因为VS不允许多线程。所以我对代码进行了稍微的修改。			
	
	当然，最重要的是注释非常非常多。
	
	官网的博主也是刚入门，所以写得注释非常非常多，这篇就是分享给刚入门的同学看的，已经非常熟悉AI的大佬肯定不会来看这一篇了。
	当然，如果万一万一有大佬看，欢迎指教！

'''
CIFAR-10数据集分类

数据集说明：该数据集共有60000张彩色图像，大小为32*32，分为10个类，每类6000张图。
其中50000张用于训练，分为5个训练批，每一批10000张图；
另外10000用于测试，单独构成一批。
测试批的数据里，取自10类中的每一类，每一类随机取1000张。抽剩下的就随机排列组成了训练批。

运行说明：运行过程中显示图像时程序会暂停，图像关闭后会继续运行。

运行环境：python3.6, pytorch1.2, VS2017

源码：pytorch官网的tutorials

修改+注释：AI414010

时间：2019.9.5

说明：第一个注释+修改的深度学习代码，因为很多东西不懂，所以注释非常多。
希望自己以后写得注释会越来越简洁吧。
'''
import torch
import torchvision
import torchvision.transforms as transforms
#数据加载中引用的库

import matplotlib.pyplot as plt
import numpy as np
#显示图像引用的库

import torch.nn as nn
import torch.nn.functional as F
#搭建神经网络引用的库

import torch.optim as optim
#优化函数的库

#图像的显示函数
def imshow(img):
    img = img / 2 + 0.5     # unnormalize，反归一化，以重新显示图像
    npimg = img.numpy()#把图像转换威numpy数组
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    #三维数组的转换，原本是第三维上是RGB，现在是第二维，打印出相互据来看看就理解了
    plt.show()


#神经网络的搭建
class Net(nn.Module):
    def __init__(self):#具有可学习参数的层放在这里
        super(Net, self).__init__()#继承父类的构造函数
        self.conv1 = nn.Conv2d(3, 6, 5)#第一个卷积层，3通道输入，6通道输出，卷积核为5*5
        self.pool = nn.MaxPool2d(2, 2)#池化层，核为2*2
        self.conv2 = nn.Conv2d(6, 16, 5)#第二个卷积层，6通道输入，16通道输出，卷积核为5*5
        self.fc1