输入的数据集里的图像大小为28行*28列*1通道
nn.Conv2d(1,64,kernel_size=3,padding=1), #卷积后,大小变为28*28*64
nn.BatchNorm2d...28*28*128
nn.BatchNorm2d(128),
nn.ReLU(),
nn.MaxPool2d(stride=2,kernel_size...)
total+=label.size(0) #一个数据他有一个大小,就是这个size,通过比较输出predicted和 标签label 的每一个对应位置相比较,看有多少个位置是对的...如果你还不理解,试试去运行下下面这段注释里的代码
#import torch
#import numpy as np
#data1 = np.array([
# [1,2,3],
# [2,20,4...correct+=(predicted==label).sum().item()
accuracy=correct/total
print('测试数据准确率:{}'.format(accuracy))
运行结果如下