本来是只用Tenorflow的，但是因为TF有些Numpy特性并不支持，比如对数组使用列表进行切片，所以只能转战Pytorch了（pytorch是支持的）。还好Pytorch比较容易上手，几乎完美复制了Numpy的特性（但还有一些特性不支持），怪不得热度上升得这么快。 1  模型定义 　　和TF很像，Pytorch也通过继承父类来搭建自定义模型，同样也是实现两个方法。在TF中是__init__()和call()，在Pytorch中则是__init__()和forward()。功能类似，都分别是

MNIST手写数字识别 我将在PyTorch中构建一个简单的神经网络，并训练它使用MNIST数据集来识别手写数字。 在MNIST数据集上训练分类器可以被视为图像识别的世界。 创建神经网络的步骤如下： 搭建环境 准备数据集 建立网络 训练模型 评估模型的性能 附言：MNIST包含70,000张手写数字图像：60,000张用于培训，10,000张用于测试。 图像为灰度级，28x28像素，并居中以减少预处理并更快地开始。