Pytorch 小记 第五回：深层神经网络模型代码

本次小记，提供了一份基于pytorch的完整的深层神经网络模型的代码，包含训练模型代码和测试模型代码。除此之外，对代码中不容易理解的代码和函数进行了讲解。
本代码的平台是PyCharm 2024.1.3，python版本3.11 numpy版本是1.26.4，pytorch版本2.0.0+cu118

模型训练的详细代码如下：

# 定义数据处理函数
def data_treating(data):
    data = np.array(data, dtype='float32') / 255
    data = (data - 0.5) / 0.5  # 标准化
    data = data.reshape((-1,))  # 改变数组维度
    data = torch.from_numpy(data)  # 数据转换成tensor类型
    return data


# 载入数据集
train_set = mnist.MNIST('./Mnist_data', train=True, transform=data_treating)
test_set = mnist.MNIST('./Mnist_data', train=False, transform=data_treating)
train_data = DataLoader(train_set, batch_size=64, shuffle=True)
test_data = DataLoader(test_set, batch_size=128, shuffle=False)

classify_net = nn.Sequential(
    nn.Linear(784, 400),
    nn.ReLU(),
    nn.Linear(400, 200),
    nn.ReLU(),
    nn.Linear(200, 100),
    nn.ReLU(),
    nn.Linear(100, 50),
    nn.ReLU(),
    nn.