无法遍历PyTorch MNIST数据集

PyTorch是一个开源的机器学习框架，它提供了丰富的工具和库，用于构建和训练神经网络模型。MNIST数据集是一个常用的手写数字识别数据集，包含了大量的手写数字图片和对应的标签。

在PyTorch中，可以使用torchvision库来加载和处理MNIST数据集。torchvision提供了一系列用于计算机视觉任务的数据集和转换操作。对于MNIST数据集，可以使用以下代码进行加载：

import torchvision.datasets as datasets

# 加载MNIST训练集
train_dataset = datasets.MNIST(root='./data', train=True, download=True)

# 加载MNIST测试集
test_dataset = datasets.MNIST(root='./data', train=False, download=True)

上述代码中，root参数指定了数据集的存储路径，train=True表示加载训练集，train=False表示加载测试集。download=True表示如果数据集不存在，则自动下载。

加载MNIST数据集后，可以使用Python的迭代器来遍历数据集中的样本。每个样本包含一个图片和对应的标签。以下代码展示了如何遍历MNIST训练集并打印每个样本的图片和标签：

train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True)

for images, labels in train_loader:
    # images是一个大小为[64, 1, 28, 28]的张量，表示64个28x28的灰度图片
    # labels是一个大小为[64]的张量，表示64个图片对应的标签
    for image, label in zip(images, labels):
        # 处理每个样本
        print(image, label)

上述代码中，torch.utils.data.DataLoader用于创建一个数据加载器，batch_size参数指定了每次加载的样本数量，shuffle=True表示在每个epoch开始时打乱数据集。

总结起来，PyTorch中遍历MNIST数据集的步骤如下：