第P1周：Pytorch实现mnist手写数字识别

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

目标

1. 实现pytorch环境配置
2. 实现mnist手写数字识别
3. 自己写几个数字识别试试

具体实现

（一）环境

语言环境：Python 3.10
编 译 器: PyCharm
框 架:

（二）具体步骤

**1.**配置Pytorch环境

打开官网PyTorch，Get started:

接下来是选择安装版本，最难的就是确定Compute Platform的版本，是否要使用GPU。所以先要确定CUDA的版本。

会发现，pytorch官网根本没有对应12.7的版本，先安装最新的试试呗，选择12.4：

安装命令：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124


安装完成，我们建立python文件，输入如下代码：

import torch  
x = torch.rand(5, 3)  
print(x)  
  
print(torch.cuda.is_available())

---------output---------------
tensor([[0.3952, 0.6351, 0.3107],
        [0.8780, 0.6469, 0.6714],
        [0.4380, 0.0236, 0.5976],
        [0.4132, 0.9663, 0.7576],
        [0.4047, 0.4636, 0.2858]])
True

从输出来看，成功了。下面开始正式的mnist手写数字识别

2. 下载数据并加载数据

import torch  
import torch.nn as nn  
# import matplotlib.pyplot as plt  
import torchvision  
  
# 第一步：设置硬件设备，有GPU就使用GPU，没有就使用GPU  
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')  
print(device)  
  
# 第二步：导入数据  
# MNIST数据在torchvision.datasets中，自带的，可以通过代码在线下载数据。  
train_ds = torchvision.datasets.MNIST(root='./data',    # 下载的数据所存储的本地目录  
                                      train=True,       # True为训练集，False为测试集  
                                      transform=torchvision.transforms.ToTensor(),  # 将下载的数据直接转换成张量格式  
                                      download=True     # True直接在线下载，且下载到root指定的目录中,注意已经下载了，第二次以后就不会再下载了  
                                      )  
test_ds = torchvision.datasets.MNIST(root='./data',