第16课：项目实战——利用 PyTorch 构建 CNN 模型

上一篇，我们主要介绍了 CNN 的基本概念和模型结构。本文将带领大家使用 PyTorch 一步步搭建 CNN 模型，进行数字图片识别。本案例中，我们选用的是 MNIST 数据集。

总的来说，我们构建分类器将按照以下步骤来做：

• 使用 torchvision 加载 MNIST 数据集；
• 定义一个卷积神经网络 CNN；
• 定义损失函数；
• 使用训练样本，训练网络；
• 在测试样本上进行测试。

MNIST 简介

MNIST 是深度学习领域中经典的手写图片数据集，这些图片采集自不同人手写的从 0 到 9 的数字，由 6 万张训练图片和 1 万张测试图片构成，每张图片都是 28*28 大小（单通道）。示例图片如下图所示：

MNIST 数据集由以下四个部分组成：

• 训练图片： train-images-idx3-ubyte.gz
• 训练图片标签：train-labels-idx1-ubyte.gz
• 测试图片：t10k-images-idx3-ubyte.gz
• 测试图片标签：t10k-labels-idx1-ubyte.gz

MNIST 数据集采用 ubyte 格式存储&