【学习笔记】深度学习实战 | PyTorch 入门（MLP为例）

简要声明

---

1. 学习相关网址
   1. [双语字幕]吴恩达深度学习deeplearning.ai
   2. Papers With Code
   3. Datasets
2. 深度学习网络基于PyTorch学习架构，代码测试可跑。
3. 本学习笔记单纯是为了能对学到的内容有更深入的理解，如果有错误的地方，恳请包容和指正。

参考文献

---

1. PyTorch Tutorials [https://pytorch.org/tutorials/]
2. PyTorch Docs [https://pytorch.org/docs/stable/index.html]

简要介绍

---

MLP (Multilayer Perceptron)

Dataset	MNIST
Input (feature maps)	32×32 (28×28)
CONV Layers	0
FC Layers	3
Activation	ReLU
Output	10

代码分析

---

函数库调用

import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor

处理数据

数据下载

# 从开放数据集中下载训练数据
train_data = datasets.MNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor(),
)

# 从开放数据集中下载测试数据
test_data = datasets.MNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor(),
)

print(f'Number of training examples: {
     len(train_data)}')
print(f'Number of testing examples: {
     len(test_data)}')

Number of training examples: 60000
Number of testing examples: 10000

数据加载器（可选）

batch_size = 64

# 创建数据加载器
train_dataloader