MNIST-with-pytorch:对经典MNIST数据集进行分类以探索火炬

带有pytorch的MNIST手写数字分类 去做： 修正目标大小和输出大小差异 试试CrossEntropy Loss（也许添加argmax层） 思想转储 我想我们需要从查找数据开始。 谷歌快速搜索找到它：http: 我将从下载标签数据开始，看看是否可以使用它。 wget http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz gunzip train-labels-idx1-ubyte.gz 因此，网站上的数据格式非常清晰。 标签从第3个字节开始，一直到结束。 好吧。 解析起来相当容易。 让我们下载图像，看看结果如何。 wget http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz gunzip http://yann.lecun.com/exd