使用torchvision.datasets模块加载MNIST数据集，并进行必要的数据预处理，如图像转换、标准化等。
使用卷积神经网络（CNN）以提取图像中的特征，并进行训练。可以自行尝试不同的模型架构，添加或调整层、增加参数等，以提升性能。
选择叉熵损失函数（CrossEntropyLoss），用于度量模型输出与实际标签之间的差异。
选择随机梯度下降优化器（SGD）用于更新模型的参数。
训练过程定义训练循环次数epoch，遍历训练数据集并向前传播、计算损失、反向传播、更新参数使用批量训练（mini-batch）来加速训练过程，同时监控训练集上的准确率和损失函数值。
