搞清楚 PyTorch 里最核心的数据类型 Tensor（张量） 到底是什么
亲手把 MNIST 数据集下载下来，看看里面到底长什么样
理解 Dataset 的概念
第 1 章我随口说了句"张量就是数组"，这句话不严谨，但对你理解 80% 的代码已经够了。这里稍微展开说清楚：
张量 = 包含数据的多维数组 + 能在 GPU 上运算的能力
普通 Python 列表 [1, 2, 3] 也能存数据，那为什么要用 Tensor？
# Python 列表做不了的事
import torch
a = torch.tensor([1.0, 2.0, 3.0]) # 张量
b = torch.tensor([4.0, 5.0, 6.0])
print(a + b) # → tensor([5., 7., 9.]) 对位相加
print(a * b) # → tensor([4., 10., 18.]) 对位相乘
print(a @ b) # → tensor(32.) 点积（内积）运行代码，输出如下：
tensor([5., 7., 9.])
tensor([ 4., 10., 18.])
tensor(32.)同样的操作用 Python 列表写会很啰嗦。更重要的是，Tensor 的运算在底层是 C/C++ 实现的，比 Python 循环快几十上百倍。当你的数据量是几万张图片时，这个速度差异就是 "1 秒" 和 "10 分钟" 的区别。
疑问：pytorch 中的 tensor 张量存在的目的是为了在 GPU 上面更快速的运算？
不只是为了 GPU 加速。GPU 高速运算只是张量的一大优势，但不是它存在的全部目的。
PyTorch 的 tensor = 多维数组容器
0 维：标量 torch.tensor(3.0)
1 维：向量
2 维：矩阵
3/4 / 更高维：图像、批量图像、时序数据
Python 原生也有列表 list、numpy 数组，那为什么还要搞 tensor？
对比 list /numpy/tensor
Python list：普通动态列表，没有专门矩阵运算，很慢，不能上 GPU
numpy array：CPU 上高效多维数组，数学运算很快，但 numpy 不能放到 GPU 显存
torch.Tensor：
✅ CPU 上可以做高速数学运算（类似 numpy）
✅ 支持迁移到 GPU (CUDA) 做并行加速（numpy 做不到）
✅ 自带自动求导 (autograd)！这是深度学习最核心功能
shape 告诉你这个张量"几行几列"（几维，每维多大）：
import torch
t1 = torch.tensor([1, 2, 3]) # shape: (3,) — 1维，有3个元素
t2 = torch.tensor([[1, 2], [3, 4]]) # shape: (2, 2) — 2维，2行2列
t3 = torch.randn(2, 3, 4) # shape: (2, 3, 4) — 3维
print(t1.shape, t2.shape, t3.shape)运行代码，输出：
torch.Size([3]) torch.Size([2, 2]) torch.Size([2, 3, 4])📌 术语：维度（dimension）
在深度学习中，"维度"这个词有歧义：
有时指张量有几维（比如 3 维张量）
有时指某一维的大小（比如 "这个向量是 256 维的"）
结合上下文理解就行。比如 MNIST 的一张图是
(1, 28, 28)的 3 维张量，意思是：1 个通道（灰度图）× 28 像素高 × 28 像素宽。
MNIST 是一个经典的手写数字数据集，里面有 6 万张训练图片 和 1 万张测试图片。每张图是 28×28 像素的灰度手写数字（0~9）。
📌 术语：训练集 vs 测试集
训练集（training set）：用来"教"模型的数据。相当于学生的练习题。
测试集（test set）：用来"考"模型的数据。这些图模型从没见过，如果考得好说明真的学会了，不是死记硬背。
PyTorch 的 torchvision 已经帮我们封装好了，一行代码就能下载：
import torch
from torchvision import datasets, transforms
# 下载 MNIST 训练集
train_dataset = datasets.MNIST(
root="./data", # 数据存哪（会自动创建目录）
train=True, # True=训练集，False=测试集
download=True, # 本地没有就自动下载
transform=transforms.ToTensor() # 把PIL图片转成Tensor
)
print(f"训练集大小：{len(train_dataset)} 张图片")运行代码，输出如下：
0%| | 32.8k/9.91M [00:00<01:15, 131kB/s]
...
0%| | 0.00/28.9k [00:00<?, ?B/s]
100%|██████████| 28.9k/28.9k [00:01<00:00, 23.6kB/s]
100%|██████████| 28.9k/28.9k [00:01<00:00, 23.6kB/s]
0%| | 0.00/1.65M [00:00<?, ?B/s]
2%|▏ | 32.8k/1.65M [00:01<01:15, 21.5kB/s]
...
99%|█████████▉| 1.64M/1.65M [02:09<00:00, 13.7kB/s]
100%|██████████| 1.65M/1.65M [02:09<00:00, 12.7kB/s]
0%| | 0.00/4.54k [00:00<?, ?B/s]
100%|██████████| 4.54k/4.54k [00:00<00:00, 8.25MB/s]
训练集大小：60000 张图片运行这段代码，PyTorch 会自动从网上下载 MNIST 数据并存到 ./data/MNIST/ 目录。下载只需一次，以后运行就不会再下载了。如下图：
💡 下载可能需要 1~5 分钟，取决于网速。如果下载失败，关掉 VPN 再试试，或者参考第 1 章的镜像源方案。
import torch
from torchvision import datasets, transforms
# 下载 MNIST 训练集（如果已经下载，则不重复下载）
train_dataset = datasets.MNIST(
root="./data", # 数据存哪（会自动创建目录）
train=True, # True=训练集，False=测试集
download=True, # 本地没有就自动下载
transform=transforms.ToTensor() # 把PIL图片转成Tensor
)
print(f"训练集大小：{len(train_dataset)} 张图片")
# 取第一张图片
image, label = train_dataset[0]
print(f"图片的 Tensor 形状: {image.shape}") # → torch.Size([1, 28, 28])
print(f"标签（哪个数字）: {label}") # → 5运行代码，输出如下：
训练集大小：60000 张图片
图片的 Tensor 形状: torch.Size([1, 28, 28])
标签（哪个数字）: 5解释 shape: (1, 28, 28)，其格式为 (第 0 维, 第 1 维, 第 2 维)，每一维的含义如下：
第 0 维 = 1 → 通道数（灰度图只有一个通道，RGB彩图是3）
第 1 维 = 28 → 图片高度（像素）
第 2 维 = 28 → 图片宽度（像素）
📌 术语：标签（Label）
标签就是"正确答案"。图片是手写的 "5"，它的标签就是 5。模型训练的目标就是：给它一张图片，它能输出正确的标签。
知道数据是什么样子很重要。用 matplotlib 画出来：
import torch
from torchvision import datasets, transforms
import matplotlib.pyplot as plt
# 解决中文乱码 这两行加在plt导入之后
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
plt.rcParams["axes.unicode_minus"] = False # 解决负号显示异常
# 下载 MNIST 训练集
train_dataset = datasets.MNIST(
root="./data", # 数据存哪（会自动创建目录）
train=True, # True=训练集，False=测试集
download=True, # 本地没有就自动下载
transform=transforms.ToTensor() # 把PIL图片转成Tensor
)
# 查看第一张图片内容
image, label = train_dataset[0]
# image 的形状是 (1, 28, 28)，但 imshow 需要 (28, 28) 或 (28, 28, 1)
# squeez() 会去掉所有大小为 1 的维度
plt.imshow(image.squeeze(), cmap='gray')
plt.title(f"这是数字：{label}")
plt.show()运行代码，如果你看到一张白底黑字的手写数字图片（或者黑底白字，取决于显示设置），并且标题显示的是正确的数字，那就对了。如下图：
💡 matplotlib 是什么？
是一款应用十分广泛、基于 Python 语言开发的专业数据可视化开源工具库，能够灵活绘制各类静态图表、交互式图表与动画图形，也是数据分析、科研绘图领域最常用的基础绘图工具之一。
Dataset 是 PyTorch 中表示数据集的一个抽象。你可以把它想象成一个 "智能列表"：
它知道总共有多少条数据（len(dataset)）
它知道怎么取第 i 条数据（dataset[i]）
它帮你处理了文件读取、格式转换这些脏活
PyTorch 内置了很多常用数据集（MNIST、CIFAR-10、ImageNet 等），你不需要手动去网上下载、解压、读取文件。
Tensor 是 PyTorch 的核心数据类型，本质是能高效运算的多维数组
shape 表示张量的维度和大小
MNIST 数据集有 6 万训练图 + 1 万测试图，每张 28×28 像素
Dataset 是 PyTorch 的数据集抽象，支持自动下载和索引访问
点击查看完整的下载 MNIST、查看张量形状、可视化样本示例代码。
川公网安备51010802032098