No module named MNIST_PyTorch：MNIST数据集手写数字识别

MNIST 包括6万张28x28的训练样本，1万张测试样本，很多教程都会对它”下手”几乎成为一个 “典范”，可以说它就是计算机视觉里面的Hello World。所以我们这里也会使用MNIST来进行实战。

前面在介绍卷积神经网络的时候说到过LeNet-5，LeNet-5之所以强大就是因为在当时的环境下将MNIST数据的识别率提高到了99%，这里我们也自己从头搭建一个卷积神经网络，也达到99%的准确率。

import 

首先，我们定义一些超参数。

BATCH_SIZE 

因为Pytorch里面包含了MNIST的数据集，所以我们这里直接使用即可。 如果第一次执行会生成data文件夹，并且需要一些时间下载，如果以前下载过就不会再次下载了。

由于官方已经实现了dataset，所以这里可以直接使用DataLoader来对数据进行读取。

# 下载训练集

下面我们定义一个网络，网络包含两个卷积层，conv1和conv2，然后紧接着两个线性层作为输出，最后输出10个维度，这10个维度我们作为0-9的标识来确定识别出的是那个数字。

# 定义模型

#生成模型和优化器

# 定义训练函数

# 定义测试函数

# 最后开始训练和测试

Train Epoch: 20 [14848/60000 (25%)] Loss: 0.000499
Train Epoch: 20 [30208/60000 (50%)] Loss: 0.002818
Train Epoch: 20 [45568/60000 (75%)] Loss: 0.011781
Test set: Average loss: 0.0249, Accuracy: 59469/60000 (99%)