MNIST下载到 pytorch

在PyTorch中下载并处理MNIST数据集通常包括以下几个步骤：

1. 导入所需的库：首先需要导入`torch`, `torchvision`模块，以及用于数据处理的数据集工具。

import torch
from torchvision import datasets, transforms

2. 定义数据预处理：为了准备数据输入模型，我们需要对图像做归一化和转化为张量，并定义一个转换函数。

transform = transforms.Compose([
    transforms.ToTensor(),    # 转换为Tensor
    transforms.Normalize((0.5,), (0.5,))  # 归一化像素值到0-1之间
])

3. 加载MNIST数据集：通过`datasets.MNIST`加载数据集，指定路径、大小调整、是否下载未下载的数据等选项。

train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform)
test_dataset = datasets.MNIST(root='./data', train=False, download=True, transform=transform)

4. 数据集分批和迭代：创建数据加载器以便在训练和验证过程中逐批次加载数据。

batch_size = 64
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=batch_size, shuffle=False)

现在你可以使用`train_loader`和`test_loader`来获取训练和测试数据，并进行模型训练。