解决PyTorch中FashionMNIST数据集导入错误：不存在的属性

在使用PyTorch进行深度学习实践时，特别是在学习《动手学深度学习 - PyTorch》一书的过程中，遇到了导入FashionMNIST数据集时的错误。书中的代码试图通过`torchvision.datasets`模块加载FashionMNIST数据集，但实际执行时报错，指出该模块没有名为`FashionMNIST`的属性。 FashionMNIST是一个常用的计算机视觉数据集，包含28x28像素的灰度图像，共10个类别，常用于初学者入门神经网络。然而，官方的PyTorch库并未直接提供FashionMNIST数据集，这可能是由于PyTorch的核心库可能更新了，导致原本在文档中提及的数据集已被移除或整合到其他地方。 作者在遇到这个问题后，首先确认了PyTorch官方文档，并确认FashionMNIST确实不在官方提供的数据集中。为了解决这个问题，作者选择手动导入数据集，这个数据集可以从GitHub上找到，链接已经给出。数据集是一个压缩文件，包含了训练集和测试集的图像以及相应的标签。 解决方法是下载并解压这个数据集，然后通过自定义函数来读取和处理这些文件。具体步骤包括： 1. 导入必要的库，如torch、torchvision、numpy等。 2. 定义一个`data_load`函数，接受路径和数据类型（train或test）作为参数。 3. 在函数内部，根据`kind`参数找到对应的数据文件（images-idx3-ubyte.gz）和标签文件（labels-idx1-ubyte.gz）的路径。 4. 使用`os.path.join`拼接文件路径，并考虑到可能存在的压缩文件格式，使用`gzip`模块来读取压缩文件。 5. 将读取到的图像和标签数据转换成PyTorch所需的张量格式。 虽然官方不再直接提供FashionMNIST数据集，但通过这种方式可以自行获取和处理数据，使得学习者能够继续进行模型训练。需要注意的是，如果想在PyTorch的最新版本中方便地使用FashionMNIST，可能需要寻找社区维护的预处理好的数据集或者查阅第三方库，如torchvision.datasets中的其他类似数据集，如`torchvision.datasets.CIFAR10`或`torchvision.datasets.ImageFolder`，它们可能提供了FashionMNIST的替代选项。