解决pytorch下载MNIST数据集缓慢的问题，非常简单

问题描述

train_loader=torch.utils.data.DataLoader(
    datasets.MNIST('data', train=True, download=True, 
                       transform=transforms.Compose([
                           transforms.ToTensor(),
                           transforms.Normalize((0.1307,), (0.3081,))
                       ])),
    batch_size=BATCH_SIZE,shuffle=True)

当我们使用上述代码加载MNIST数据时，数据集的下载非常缓慢，经常卡死。

解决方法

进入MNIST数据集网站，下载4个数据集压缩包，不要解压（因为pytorch还会对数据集进行一些处理，而不是单纯的解压，所以直接手动解压是不行的）。4个压缩包放在/data/MINIST/raw文件夹内，如下图所示：
这里我的文件路径是D:\aaa\pytorch-exercise\0my-exercise\data\MNIST\raw

之后，在python的库中找到torchvison库，再找到实现mnist加载的文件mnist.py。其在python中的大概路径如下：[你的python的位置]\lib\site-packages\torchvision\datasets\mnist.py

打开mnist.py，将class MNIST的mirrors变量改成 file:///后面加上上述4个压缩包所在的路径，resources变量不要改动，如下图所示：

mirrors中的路径，要写你的电脑中那4个压缩包所在的路径。

修改好后，再运行一遍加载MNIST数据的代码块，发现成功加载好了数据，如下：

去/data/MNIST/raw文件夹内查看，多出了4个文件：

至此，问题就解决了。我看网上其他博客，说raw的同级目录processed目录中还应该有两个文件，但我没管那两个文件，我的模型一样成功跑起来了。那就先不管那两个文件了。

具体的原理，大家可以看一下mnist.py的代码，尤其是self.download函数。
大家的torchvision的版本可能不一样。我还看过其他人的类内变量为url，而不是mirrors和resources，其实如果是url改动方法也和上面类似（其实更好改了）。