【PyTorch深度学习项目实战200例】—— 基于CNN 卷积神经网络手写数字图像识别 | 第2例

手写数字图像识别是深度学习中的一个经典问题，可以使用卷积神经网络（CNN）来解决。在本教程中，我们将使用PyTorch和MNIST数据集来构建一个简单的CNN模型，以识别手写数字图像。

首先，我们需要导入必要的库，包括PyTorch、NumPy和Matplotlib：

import torch
import torch.nn as nn
import torch.optim as optim
import torchvision.datasets as datasets
import torchvision.transforms as transforms
import numpy as np
import matplotlib.pyplot as plt

接下来，我们可以定义一些超参数，例如批次大小、学习率和训练轮数：

batch_size = 64
learning_rate = 0.001
num_epochs = 10

然后，我们可以加载MNIST数据集，并将其转换为张量：

train_dataset = datasets.MNIST(root='./data', train=True, transform=transforms.ToTensor(), download=True)
test_dataset = datasets.MNIST(root='./data', train=False, transform=transforms.ToTensor(), download=True)

train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=b