PyTorch构建分类网络模型（Mnist数据集，全连接神经网络）

任务描述 我们需要通过对手写数字数据集Mnist的训练，实现对于一个手写数字图像，判断其对应的数字值，判断方法是通过比较其和0~9这10个数字的相似程度，选出相似度最高的作为其识别的数字值，如下图，0~9这10个数字的相似程度最高的是9，为0.87，因此其识别结果为9 MNIST是一个非常有名的手写体数字识别数据集(手写数字灰度图像数据集)，在很多资料中，这个数据集都会被用作深度学习的入门样例 MNIST数据集是NIST数据集的一个子集，由0~9的数字图像构成的，每一张图片都有对应的标签数字，训练图像一共高60000张，供研究人员训练出合适的模型。测试图像一共高10000 张，供研究人员测试训练的模型的性能 其每张图片是包含28像素×28像素的灰度图像（1通道），各个像素的取值在0到255之间，每个图像数据都相应地标有数字标签 每张图片都由一个28×28的矩阵表示，且数字都会出现在图片的正中间，处理后的每一张图片是一个长度为784的一维数组（28*28=784），这个数组中的元素对应了图片像素矩阵中的每一个数字。