小白学Pytorch使用（1）：Mnist手写数字集分类---全连接

小白学Pytorch使用（1）：Mnist手写数字集分类

任务背景

使用Pytorch框架搭建神经网络进行Mnist手写数字集分类。数据可以自行下载进行本地链接，也可直接通过代码下载。
mnist数据集下载链接

一、导入库

# pathlib路径操作模块
from pathlib import Path
# requests是⽤Python语⾔编写，基于urllib，采⽤Apache2 Licensed开源协议的 HTTP 库
import requests
# 持续化模块:把Python对象直接保存到文件里，而不需要先把它们转化为字符串再保存，也不需要用底层的文件访问操作，直接把它们写入到一个二进制文件里
import pickle
# 压缩和解压缩模块
import gzip
# 数组及数组运算函数库
import numpy as np
# 2D绘图库
from matplotlib import pyplot
# Pytorch框架
import torch
import torch.nn.functional as F
from torch import nn
from torch.utils.data import TensorDataset
from torch.utils.data import DataLoader
from torch import optim

二、下载数据集

# 下载mnist手写数字集，Path中更换自己的文件路径
DATA_PATH = Path("D:/咕泡人工智能-配套资料/配套资料/4.第四章 深度学习核⼼框架PyTorch/第二,三章：神经网络实战分类与回归任务/神经网络实战分类与回归任务/data")
# Mnist数据集存储文件夹（可舍去）
PATH = DATA_PATH/'mnist'
# 建立PATH路径，若自己手动建立也可注释掉
PATH.mkdir(parents=True, exist_ok=True)
# Mnist数据集下载网页
# "http://deeplearning.net/data/mnist/"是老师给的下载网页，但我这无法连接
URL = "https://resources.oreilly.com/live-training/inside-unsupervised-learning/-/tree/master/data/mnist_data/"	
# 数据集名称mnist.pkl.gz，可打开网页验证
FILENAME = 'mnist.pkl.gz'
# 若本地没有相应文件则进行下载
if not (PATH/FILENAME).exists():
    content = requests.get(URL + FILENAME).content      # requests.get()请求指定的页面信息，并返回实体主体
    (PATH/FILENAME).open('wb').write(content)

三、处理数据集

# 打开压缩包获取训练集、测试集，gzip进行解压
with gzip.open