AttributeError: module 'torchvision' has no attribute 'MNIST'

这个错误通常是由于使用了过时的torchvision版本导致的。在旧的torchvision版本中，MNIST数据集是存在的，但在新版的torchvision中已经被移除，因此会出现AttributeError。解决方法是更新torchvision版本或使用新的数据集。

解决方法：
首先，确保你的torchvision版本是最新的。你可以使用以下命令更新torchvision: pip install torchvision --upgrade
如果你已经安装了最新版本的torchvision，但仍然遇到这个错误，那么你需要检查你的代码中是否使用了过时的MNIST数据集。在新版的torchvision中，MNIST数据集被移到了torchvision.datasets.mnist模块之外，这个数据集可以在torchvision.datasets中找到。
你可以尝试将代码中的数据集加载语句从torchvision.MNIST改为torchvision.datasets.mnist.MNIST，并将相关的数据加载代码做相应的修改。
如果你的代码中使用了其他旧的torchvision模块或函数，你需要查看PyTorch官方文档，了解相关模块或函数的新位置和用法，然后做相应的修改。

相关问题

AttributeError: module 'torchvision.datasets' has no attribute 'FashionMNIST'

这个错误是因为您正在尝试使用 Torchvision 库的 FashionMNIST 数据集，但是 Torchvision 不支持 FashionMNIST 数据集。Torchvision 仅支持 MNIST，CIFAR10，CIFAR100 和 ImageNet 等数据集。

如果您想使用 FashionMNIST 数据集，您可以直接从官方网站下载并加载数据集，然后使用 Torch 的数据加载器进行处理和训练。以下是一个示例代码：

import torchvision.transforms as transforms
from torch.utils.data import DataLoader
from torchvision.datasets import DatasetFolder

# 设置数据集路径和转换
data_path = 'path_to_fashionmnist_folder'
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

# 加载训练集和测试集
train_dataset = DatasetFolder(
    root=data_path,
    loader=torchvision.datasets.ImageFolder.default_loader,
    extensions='.png',
    transform=transform
)

test_dataset = DatasetFolder(
    root=data_path,
    loader=torchvision.datasets.ImageFolder.default_loader,
    extensions='.png',
    transform=transform
)

# 创建数据加载器
train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)

请确保替换 `data_path` 变量为您下载的 FashionMNIST 数据集的路径，然后您就可以使用 `train_loader` 和 `test_loader` 进行训练和测试了。

AttributeError: module 'torchvision.datasets.mnist' has no attribute 'test_images'

这个错误通常是因为您正在使用的torchvision版本不兼容。在较新的torchvision版本中，test_images已被更改为test_data。您可以尝试更新torchvision以解决此问题。如果更新不起作用，您可以尝试使用以下代码来加载MNIST数据集：

import torch
from torchvision import datasets, transforms

transform = transforms.Compose([transforms.ToTensor(),
                                transforms.Normalize((0.5,), (0.5,)),
                              ])
trainset = datasets.MNIST('~/.pytorch/MNIST_data/', download=True, train=True, transform=transform)
testset = datasets.MNIST('~/.pytorch/MNIST_data/', download=True, train=False, transform=transform)

trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True)
testloader = torch.utils.data.DataLoader(testset, batch_size=64, shuffle=True)

images, labels = next(iter(testloader))
print(images.shape)