神经网络-MNIST数据集训练

一、MNIST数据集

MNIST数据集是深度学习和计算机视觉领域非常经典且基础的数据集，它包含了大量的手写数字图片，通常用于训练各种图像处理系统，也被广泛用于机器学习领域的训练和测试。

1.数据集概述

• 来源：MNIST数据集由Yann LeCun等人于1994年创建，它是NIST（美国国家标准与技术研究所）数据集的一个子集。
• 内容：数据集主要包含手写数字（0~9）的图片及其对应的标签。
• 用途：作为深度学习和计算机视觉领域的入门级数据集，它适合初学者练习建立模型、训练和预测。

2.数据集组成

MNIST数据集总共包含两个子数据集：训练数据集和测试数据集。

训练数据集：

• 包含了60,000张28x28像素的灰度图像。
• 对应的标签文件包含了60,000个标签，每个标签对应一张图像中的手写数字。

测试数据集：

• 包含了10,000张28x28像素的灰度图像。
• 对应的标签文件包含了10,000个标签。

3.文件结构

MNIST数据集包含四个文件，分别是训练集图像、训练集标签、测试集图像和测试集标签。这些文件以gzip格式压缩，并且不是标准的图像格式，需要通过专门的编程方式读取。

• 训练集图像：train-images-idx3-ubyte.gz
• 训练集标签：train-labels-idx1-ubyte.gz）
• 测试集图像：t10k-images-idx3-ubyte.gz
• 测试集标签：t10k-labels-idx1-ubyte.gz

4.数据特点

• 图像大小：每张图像的大小为28x28像素，是一个灰度图像，位深度为8（灰度值范围为0~255）。
• 数据来源：手写数字来自250个不同的人。
• 数据格式：图像数据以字节的形式存储在二进制文件中，标签文件则存储了每张图像对应的数字标签。

二、代码实现

1.数据加载与预处理

import torch
from torch import nn  # 导入神经网络模块
from torch.utils.data import DataLoader  # 数据包管理工具，打包数据
from torchvision import datasets  # 封装了很多与图像相关的模型，数据集
from torchvision.transforms import ToTensor

"""下载训练集数据（包含训练图片和标签）"""
training_data = datasets.MNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor(),  # 张量，图片是不能直接传入神经网络模型
)

"""下载测试集数据（包括训练图片和标签）"""
test_data = datasets.MNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor()
)
train_dataloader = DataLoader(training_data, batch_size=64)  # 64张图片为一个包
test_dataloader = DataLoader(test_data, batch_size=64)

• 下载数据集：使用torchvision.datasets.MNIST下载并加载MNIST数据集。数据集分为训练集和测试集，train=True为训练集数据ÿ