torch.datasets中MNIST数据集如何作为训练集和测试集

在PyTorch中，MNIST数据集可以通过torchvision.datasets模块来获取。可以使用`train=True`来获取训练集，使用`train=False`来获取测试集。以下是一个示例代码，演示如何加载MNIST数据集并将其划分为训练集和测试集：

import torch
import torchvision
import torchvision.transforms as transforms

# 定义数据转换
transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5,), (0.5,))])

# 加载MNIST数据集，划分为训练集和测试集
trainset = torchvision.datasets.MNIST(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64,
                                          shuffle=True, num_workers=2)

testset = torchvision.datasets.MNIST(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=64,
                                         shuffle=False, num_workers=2)

在这个例子中，我们首先定义了一个数据转换，将图像转换为张量，并将其标准化为均值为0.5，标准差为0.5的范围内。然后，我们使用`torchvision.datasets.MNIST`函数来加载MNIST数据集，并将其划分为训练集和测试集。最后，我们使用`torch.utils.data.DataLoader`函数定义了训练集和测试集的数据加载器，以便我们可以在模型训练时使用它们。