用pytorch分类手写数字识别数据集

学习目标：

学习pytorch搭建神经网络

---

学习内容：

MNIST数据集有60000张图片作为训练集，10000张图片作为测试集，每张图片像素是28*28，单通道灰度图片；
 

一、pytorch搭建神经网络

1、加载必要的库

2、定义超参数

3、构建pipeline，对图像做处理

4、下载、加载数据

5、构建网络模型

6、定义优化器

7、定义训练的方法

8、定义测试方法

9、调用方法7/8

二、完整代码和运行结果

# 1 加载必要的库
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms


# 2 定义超参数
BATCH_SIZE = 16  # 每批处理的数据
DEVICE = torch.device("cpu")
# DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")  # 是否用GPU还是CPU训练
EPOCHS = 10  # 训练数据集的轮次


# 3 构建pipeline，对图像做处理
pipeline = transforms.Compose([
    transforms.ToTensor(),  # 将图片转换成tensor
    transforms.N