人工智能实训DAY1 Mnist项目

Minist数据集下载

导入相关软件包

from torchvision import datasets,transforms
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt
import numpy as np

首先进行数据转换，

Compose函数可以将多个数据转换操作组合在一起。具体的转换操作包括：

1. ToTensor()：将数据转换为张量（tensor）格式。
2. Normalize((0.1307,), (0.3081,))：对张量进行归一化操作，其中(0.1307,)是平均值，(0.3081,)是标准差。

通过将这些操作组合在一起，可以方便地对数据进行预处理，以便于在深度学习模型中使用。

其次进行数据集的下载以及训练集、测试集的创建：

datasets.MNIST函数：创建一个MNIST数据集对象

具体参数：

• root='dataset'：设置数据集的存储路径，相对路径为’dataset’文件夹。
• download=True：表示如果数据集不存在，会自动从互联网上下载。
• train=True：表示创建的是训练集。
• transform=transform_data：将之前定义的数据转换操作transform_data应用于数据集中的样本。

transform_data = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.1307,),(0.3081)),
])

train_dataset = datasets.MNIST(
    root='dataset',
    download=True,
    train=True,
    transform=transfo