1,实现获取minist数据集，并按batch size大小做成dataloader格式

好的，这是一个关于数据处理的问题。获取 MINIST 数据集并将其转换为 DataLoader 的步骤如下：

1. 首先，你需要下载 MINIST 数据集。你可以在 http://yann.lecun.com/exdb/mnist/ 上找到数据集的下载链接。下载后，你需要将数据集解压缩到一个文件夹中。

2. 接下来，你需要使用 PyTorch 中的 torchvision 库来读取数据。你可以使用以下代码实现：

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

这里的 transform 变量是一个数据变换的序列，将数据转换为 PyTorch 张量并进行归一化处理。trainset 是一个 Dataset 对象，它包含 MINIST 训练数据集。trainloader 是一个 DataLoader 对象，它将训练数据集分成了大小为 64 的批次。

3. 现在，你可以使用 trainloader 来迭代数据集，并在训练模型时使用它。例如：

for images, labels in trainloader:
    # 这里是你的训练代码

希望这可以帮助你。如果你有更多关于数据处理的问题，请随时问我。