pytorch 手写数字集

PyTorch提供了一个名为MNIST的手写数字数据集。MNIST数据集包含60,000个训练样本和10,000个测试样本，每个样本都是一个28x28像素的灰度图像，表示一个手写数字0到9。

你可以使用PyTorch内置的torchvision库来获取和处理MNIST数据集。以下是一个获取MNIST数据集并将其加载到PyTorch中的示例代码：

import torch
import torchvision
import torchvision.transforms as transforms

# 定义对数据的预处理操作
transform = transforms.Compose([
    transforms.ToTensor(),  # 将图像转换为Tensor
    transforms.Normalize((0.5,), (0.5,))  # 归一化图像
])

# 获取训练集
trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=32, shuffle=True)

# 获取测试集
testset = torchvision.datasets.MNIST(root='./data', train=False, download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=32, shuffle=False)

在这段代码中，我们首先定义了一些预处理操作，如将图像转换为张量（Tensor）并进行归一化。然后，我们使用`torchvision.datasets.MNIST`来获取训练集和测试集，并使用`torch.utils.data.DataLoader`将其加载到PyTorch的数据加载器中。

现在你可以使用这些数据集进行模型训练和测试。希望这可以帮助到你！如果还有其他问题，请随时提问。