LeNet网络结构
网络参数：
使用的数据集是MNIST，其中包括60000个28*28的训练样本，10000个测试样本。
代码如下：
- 导入所需的包
- 定义网络结构(LeNet)
- 定义前向传播过程
- 超参数定义
- 加载MNIST数据集
- 定义损失函数和优化方法，本次使用的是交叉熵损失函数以及随机梯度下降优化方法
- 开始训练，下图中用红框标记出来的区域，是使用pytorch训练一个网络必备的三件套，optimizer.zero_grad()方法的作用是在每次计算梯度之前首先将梯度置零，loss.backward()方法的作用就是计算loss函数对每个网络参数的梯度，optimizer.step() 方法的作用是利用计算好的梯度对网络参数进行更新。
- 运行结果展示：
还是需要多练习代码编写能力，加油⛽️。