零基础用 PyTorch 识别手写数字：MNIST 实战入门
MNIST 是深度学习里的"Hello World"
环境准备：先搭窝，再写代码
核心概念：用大白话理解神经网络
1. 数据集（Dataset）
2. 数据加载器（DataLoader）
3. 神经网络模型（Model）
4. 卷积层（Conv2d）和池化层（MaxPool）
5. 损失函数
6. 优化器（Optimizer）
7. 训练模式与评估模式
代码走读：理解 train_mnist.py
1. 定义模型
2. 加载数据
3. 训练与评估
4. 主流程
训练结果：5 轮后准确率接近 99%
踩坑记录
1. MNIST 是灰度图，不是彩色图
2. 四个 .gz 文件和 .ubyte 格式
3. 下载进度条的变化
4. 为什么数据路径是 ../data
5. 规模对比：5 分钟 vs 几个月
6. 损失下降但准确率波动