Auto-Ecoders实战：重建MNIST数据集

首先，加载MNIST数据集

import torch
from torchvision import transforms,datasets  # datasets自带数据集MNIST
from torch.utils.data import DataLoader







def main():
    # 把MNIST数据集加载进来
    mnist_train = datasets.MNIST('mnist',True,transform=transforms.Compose([
        transforms.ToTensor()
    ]),download=True)

    # 把数据集加载到DataLoader中
    mnist_train = DataLoader(mnist_train,batch_size=32,shuffle=True)


    # 把MNIST数据集加载进来
    mnist_test = datasets.MNIST('mnist',True,transform=transforms.Compose([
        transforms.ToTensor()
    ]),download=True)

    # 把数据集加载到DataLoader中
    mnist_test = DataLoader(mnist_test,batch_size=32,shuffle=True)

    # 构建一个迭代器
    x,_ = iter(mnist_train).next()  # 不返回label，因为这是无监督学习
    print('x:',x.shape)  # x:torch.Size([32, 1, 28, 28])





if __name__ == '__main__':
    main()

之后写出Auto-Ecoders的网络结构&