加载内置 MNIST 数据集 MNIST 是一个著名的包含手写数字的数据集。 下面介绍如何使用DataLoader功能处理 PyTorch 的内置 MNIST 数据集。

在MNIST上进行训练，可以说是计算机视觉里的“Hello World”任务了。 而如果使用PyTorch的标准代码训练CNN，一般需要3分钟左右。 但现在，在一台 笔记本电脑 上就能将时间缩短200多倍。 速度直达 0.76秒！ 那么，到底是如何仅在一次epoch的训练中就达到99%的准确率的呢？

Most neural network libraries, including PyTorch, scikit and Keras, have built-in MNIST datasets. However, working with pre-built MNIST datasets has two big problems.

在 PyTorch 中，常规神经网络训练代码的结构。 训练模型需要先定义网络结构，图 2 为一个简化的图像分类代码，取自官方的 PyTorch MNIST 分类示例： 在这里，上述代码首先定义一系列神经网络层，并使它们成为单一的神经网络模块。

MNIST数据集是图像分类领域的基准测试之一，用于0~9手写数字图像分类任务，包含6万张训练图像和1万张测试图像。 它已经有20多年的历史了。

What is PyTorch? PyTorch is a deep learning framework designed to simplify AI model development. First released by Meta AI, it was built to improve the flexibility of deep learning research.