7-CNN-minist数据分类

目的

使用卷积网络、全连接网络，对MINIST数据进行分类

形状说明

卷积网络：
通常，卷积神经网络都是一个4D的形状输入，（batch,channel,行列值，行列值），如代码中的（64，1，28，28），如下图。
通常，卷积神经网络都是一个4D的形状输出，（batch,out_channel,行列值，行列值），如代码中的（64，32，7，7）

输入到全连接网络：
输入值应当为图片信息，输入形状需要根据图像大小展平reshape(-1, 32×7×7)，即为（batch=64，32×7×7）
输出形状根据nn.Linear(256, 10)的10个分类可知，形状为（batch=64，10）

形状说明-计算loss

y_pred = model(x)
loss = loss_fn(y_pred, y_label)

训练中，一次batch=64的数据中：

• 网络的输出y_pred.shape为（64，10）