from torchvision import datasets """ 下载训练数据集 （包含训练数据+标签）"""
training_data = datasets.MNIST(root='data',train=True,download=True,transform=ToTensor()  # 张量，图片是不能直接传入神经网络模型
)  # 对于pytorch库能够识别的数据一般是tensor张量.
# NumPy 数组只能在CPU上运行。Tensor可以在GPU上运行，这在深度学习应用中可以显著提高计算速度。""" 下载测试数据集（包含训练图片+标签）"""
test_data = datasets.MNIST(root='data',train=False,download=True,transform=ToTensor()
)
print(len(training_data))""" 展示手写字图片 """
# tensor --> numpy 矩阵类型的数据
from matplotlib import pyplot as pltfigure = plt.figure()
for i in range(9):img, label = training_data[i + 59000]  # 提取第59000张图片figure.add_subplot(3, 3, i + 1)  # 图像窗口中创建多个小窗口，小窗口用于显示图片plt.title(label)plt.axis("off")  # 关闭坐标plt.imshow(img.squeeze(), cmap="gray")a = img.squeeze()  # img.squeeze()从张量img中去掉维度为1的(降维)
plt.show()