实战项目：手写数字识别 —— 项目需求与设计

从这一篇开始，我们用 5 篇文章完成一个完整项目：训练一个能识别手写数字（0~9）的模型。这是深度学习界的 "Hello World"，但麻雀虽小五脏俱全：数据管道、模型设计、训练循环、验证调参、模型导出，一个不缺。中途我们会故意引入两个新手必踩的错误，带你完整走一遍"报错 → 定位 → 修复"的排错流程。

项目需求

• 输入：28×28 灰度手写数字图片（MNIST 公开数据集，60000 张训练图 + 10000 张测试图）
• 输出：0~9 的数字类别 + 置信度
• 指标：测试集准确率 ≥ 97%（全连接网络的合理水平）
• 交付：能加载保存的模型权重，对任意一张图片给出预测的脚本

为什么选 MNIST

1. 数据自带：torchvision 一行下载，免去数据清洗的干扰，聚焦框架本身。
2. 难度适中：太简单（如拟合直线）体现不出网络价值，太难（如 ImageNet）CPU 跑不动。
3. 社区基准海量：你的结果随时可以对标全网方案，便于自查。

技术选型

环节	选择	理由
模型	3 层全连接网络（MLP）	先跑通全流程；进阶篇再换 CNN 对比提升
损失	CrossEntropyLoss	多分类标配，输入 logits + int64 标签
优化器	AdamW, lr=1e-3	默认首选，几乎不用调
批大小	64	CPU/GPU 都友好的起点
轮数	5 epoch	MLP 在 MNIST 上 5 轮即可到 96%+

最终项目结构（先睹为快）

mnist-pytorch/
├── data/                # MNIST 原始数据（自动下载，勿提交 git）
├── model.py             # 模型定义
├── train.py             # 训练入口：数据 + 循环 + 验证
├── predict.py           # 推理入口：加载权重，预测单张图
├── requirements.txt     # torch / torchvision
└── weights/best.pt      # 训练产出的最优权重（保存/加载验证）

开发节奏

按以下 4 篇顺序推进，每篇结尾都有可运行的代码和预期输出：

1. 数据准备 —— 下载、变换、组批，先确认"进模型的东西长什么样"
2. 模型设计 —— 搭网络，踩第 1 个坑：形状不匹配
3. 训练循环 —— 训练 + 验证，踩第 2 个坑：梯度忘清零
4. 评估与导出 —— 测试集验收、保存/加载模型、单图预测

建议：跟着敲，不要复制粘贴。"报错—修好"的肌肉记忆只有亲手踩过才长得住。