python使用torch读取mnist数据集

在PyTorch中，你可以使用`torchvision`库来方便地加载MNIST数据集，这是一个经典的手写数字识别数据集。以下是使用`torchvision.datasets.MNIST`加载和预处理MNIST数据的基本步骤：

import torch
from torchvision import datasets, transforms

# 数据预处理
transform = transforms.Compose([
    transforms.ToTensor(),  # 将图像转换为张量
    transforms.Normalize((0.5,), (0.5,))  # 归一化到[0,1]范围
])

# 加载训练集和测试集
train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform)
test_dataset = datasets.MNIST(root='./data', train=False, download=True, transform=transform)

# 获取训练集和测试集的数据和标签
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True)  # 创建数据加载器，分批读取数据
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=64, shuffle=False)

# 对于每个批次的样本，它们都是一个包含两个元素的元组 (images, labels)，images是张量，labels是整数
for images, labels in train_loader:
    print(images.shape, labels.shape)