手把手教pytorch搭建卷积网络实现mnist分类任务（完整代码，详细注释）

利用pytorch随便搭建一个卷积神经网络，实现mnist的分类任务，准确率达到100%。

友情提示：pytorch推荐版本1.0及以上，低版本的Tensor变量无法向Variable变量一样进行backward操作，若未安装GPU版本的pytorch，记得删掉代码中所有的 .cuda() 。
（ .cuda() 为网络模型、输入图片、输入标签移至GPU的操作）
注：若pytorch数据集下载速度过慢，可以参考此博客解决https://blog.youkuaiyun.com/weixin_44414948/article/details/109756003

代码如下（训练时可将数据可视化模块代码注释掉）：

import torch
import torchvision
import matplotlib.pyplot as plt
import torch.nn as nn
import torch.utils.data as Data

EPOCH=1#训练整批数据多少次
BATCH_SIZE=64#每次批数的数据量
LR=0.001#学习率，学习率的设置直接影响着神经网络的训练效果

train_data=torchvision.datasets.MNIST(#训练数据
     root= './mnist_data/',
     train=True,
     transform=torchvision.transforms.ToTensor(),
     download=True
     )
test_data = torchvision.datasets.MNIST(
     root='./mnist_data/', 
     train=False,
     transform=torchvision.transforms.ToTensor(),
     download=True
     )
# 批量加载
train_loader = Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)
test_loader = Data.DataLoader(dataset=test_data, batch_size=BATCH_SIZE,