1. 项目整体思路：从问题到方案

MNIST手写数字识别，几乎是每一个接触深度学习的人都会遇到的第一个正式项目。它就像程序员世界的Hello World，但你千万别因为它“只是个入门项目”就轻看了。恰恰是这个看似简单的任务，能够把数据加载、模型搭建、训练循环、评估验证这一整条流水线完整串起来。用PyTorch实现CNN来完成MNIST分类，本质上是在用最标准的工具链，走一遍最标准的深度学习流程。

这个项目的核心任务不复杂：给定一张28x28像素的灰度图片，图片上是一个0到9的手写数字，模型需要判断这张图到底是哪个数字。MNIST数据集中有60000张训练图片和10000张测试图片，全部来自真实的手写样本，包括美国人口调查局的员工和美国高中生写的数字，所以图片里存在大量自然的书写风格差异，并不像印刷体那么规整。

那为什么偏偏选CNN来做这个任务，而不是用传统的全连接网络？答案很直接：MNIST虽然是单通道小图，但手写数字的笔画具有一定程度的空间局部性——一个数字的某个笔划、拐弯、交叉点，这些局部特征对判断数字类别至关重要。CNN通过卷积核在图像上滑动的机制，天然擅长提取这种局部空间特征，而且参数数量远少于同等规模的全连接网络，训练起来更快，效果也更好。

适合读这篇内容的人，我觉得有三类：一是刚学完PyTorch基础语法、想找个完整项目练手的人；二是对CNN只知道概念，但没真正动手写过Conv、Pooling、FC这些层的人；三是已经能跑通代码，但搞不清楚为什么这么设计网络结构、为什么有的地方要加Dropout、为什么准确率上不去的同学。这篇文章我会把从环境准备到模型收敛的完整过程拆开讲，把每一步的“为什么”也一并说清楚。

1.1 MNIST数据集的隐藏知识点

先花点时间把MNIST数据集本身聊透。很多人在这个项目上踩的第一个坑，往往不是模型代码，而是数据集压根没下载下来。

MNIST的原版数据由莱昂·博图等人整理，最早可以追溯到上世纪八十年代的NIST数据集。每张图片是28x28的灰度图，像素值范围是0到255，0代表白色背景，255代表黑色笔画。因为图片尺寸很小，总计才784个像素点，所以即使不做任何预处理，这样一个数据集的内存占用也不大，训练起来很快，非常适合在一张普通显卡甚至CPU上跑。

关于数据集存放格式也需要留个心。原始的MNIST数据集是IDX格式，不是常见的PNG或者JPG，如果你自己去网上下原始文件，还需要自己写二进制解析。好在PyTorch的torchvision.datasets.MNIST帮我们封装好了这一切，它会自动下载、自动解压、自动转换成Tensor。你只需要传入root参数指定存放路径，再设置train=True或False来区分训练集和测试集，把download=True打开，数据就会自动就位。

这里我想提醒一个大多数人不会注意的细节：MNIST的标签是0到9的整数，但在分类任务中，我们通常会把标签转换成one-hot编码的思维来理解损失函数的计算过程，而PyTorch的CrossEntropyLoss并不需要我们手动做one-hot转换，它内部会先把整数标签转成one-hot形式再计算损失。所以你只需要把标签保持为整数Tensor即可，千万别多此一举去做one-hot，反而容易出维度错误。这个细节我会在后面模型训练部分再展开讲。

1.2 为什么PyTorch是适合完成此项目的框架

选PyTorch来完成这个项目，有几个非常实际的理由。第一个是动态计算图机制。PyTorch采用define-by-run的方式，也就是说，网络的前向传播过程是每行代码真实执行出来的，你在forward函数里写了什么，计算图就长什么样。这对于调试和检查模型中间结果非常友好，打印一下张量的shape就能知道流向是否正确。

第二个理由是生态工具链完善。torchvision中直接内置了MNIST数据集、常见的数据预处理方法，还预置了ResNet、VGG、MobileNet等经典网络结构。如果你后续想从MNIST切换到CIFAR-10甚至ImageNet，同样一套代码逻辑几乎不用大改，只需要换数据集路径和网络结构即可。

第三个理由也是我个人的体感：PyTorch的社区资料和教程是几个主流框架里最丰富、最活跃的。遇到问题搜索引擎一搜，基本都能找到对应的讨论和解决方案。对初学者来说，遇到bug能快速找到答案，这个隐性价值比框架本身的性能差异重要得多。

当然，如果你用的是比较老的机器，没有NVIDIA显卡，也不用担心。MNIST数据集本身很小，CPU上训练一轮大概也就十几秒到几十秒，完全可以承受。我的建议是：这个阶段，先别把精力浪费在配置分布式训练、混合精度这些花活上，能跑通、能理解，才是最重要的。

2. 环境准备与数据流水线搭建

项目开始之前，需要把环境理顺。很多人在这里容易卡住，倒不是因为操作多难，而是版本不匹配、依赖缺失这类问题特别消磨耐心。

2.1 环境清单与版本匹配建议

我先给出一份我实际使用过、验证可以稳定运行的软硬件环境清单，你可以把这个当作参考基线。

安装PyTorch时最容易出问题的是版本对不上。官方提供的安装命令会根据你的操作系统、包管理器、CUDA版本来生成对应的命令，最简单的做法是直接去PyTorch官网的get-started页面，选择自己的环境配置，复制那行pip命令来装。

我个人的经验是：如果你不确定自己的显卡支持哪个CUDA版本，先别急着装CUDA。在终端里执行nvidia-smi看一下驱动版本，再对照PyTorch官网的兼容表选择CUDA版本。装错了CUDA虽然也能通过CPU跑，但GPU加速用不上，白白浪费性能。如果你彻底没有NVIDIA显卡，那直接安装CPU版本的PyTorch即可，代码层面完全一样，只是跑得慢一些。

2.2 数据加载与预处理

环境就绪后，第一行核心代码就从加载数据开始。下面是标准写法：

import torch from torch.utils.data import DataLoader from torchvision import datasets, transforms transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ]) train_dataset = datasets.MNIST( root='./data', train=True, transform=transform, download=True ) test_dataset = datasets.MNIST( root='./data', train=False, transform=transform, download=True ) train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True) test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)

这段代码里有两个关键点需要解释清楚。

第一是transforms.ToTensor()。它做的事情是把PIL Image或者numpy数组转换成PyTorch的Tensor，同时把像素值从0到255的范围缩放到0到1之间。这个缩放不是随便做的，而是为了让输入数据保持在一个相对稳定的数值范围内，有利于神经网络的训练收敛。如果你忘了这一步，直接拿原始像素值喂给网络，梯度很容易变得很大或很小，训练过程会非常不稳定。

第二是transforms.Normalize((0.1307,), (0.3081,))。这两个数值分别是MNIST数据集所有像素的均值和标准差。Normalize的操作是(x - mean) / std，经过这一步，数据的分布会被标准化为零均值、单位方差。很多人不理解为什么要做标准化，我打一个比方：如果把神经网络的训练比作在大雾天开车，标准化就像是打开了雾灯，让视野瞬间清晰起来。未标准化的数据，不同维度的数值范围差异很大，优化器在参数空间中寻找最优解的路径会非常曲折；标准化之后，损失函数的等高线更接近圆形，梯度下降更容易直达底部。

关于数据标准化，我想提醒一件事：标准化所用的均值和标准差，应该从训练集上计算得到，然后同样用在测试集上。这和归一化不同，标准化假设数据服从某个分布，而这个分布参数是从训练数据中估计出来的。测试集是模拟未来遇到的新数据，我们不能让模型看到测试集的信息，所以只能用训练集的统计量。torchvision这里直接给出了MNIST官方推荐的均值0.1307和标准差0.3081，我们直接用就可以。

2.3 DataLoader的用法与踩坑心得

DataLoader是PyTorch中负责把数据集装进训练循环的组件，它的作用可以理解为一条自动化的传送带：按顺序或随机从数据集中取出图片，攒够一个batch的大小，打包成一批喂给模型。

参数设置上有几个值得注意的细节。batch_size是每批数据量的大小，我习惯设为64，这是实践中一个比较平衡的取值。batch太小，比如设为1，每个批次只提供一张图，梯度更新方向噪声太大，训练不稳定；batch太大，又容易让模型陷入局部极小值，泛化性能下降，同时对显存要求也更高。学术界比较经典的设置是32、64、128这几个档位，二倍关系比较常见。

shuffle=True只在训练集上使用，目的是在每轮迭代时打乱样本顺序，防止模型学到样本排列中的伪规律。比如数据集恰好按标签顺序排列，如果不打乱，模型可能学到“每隔十张图换一个类别”这种毫无意义的模式，在测试集上就会失效。测试集不需要打乱，因为评估模型时我们只关心最终的准确率，样本顺序不产生影响。

num_workers这个参数也值得一说。它控制的是用几个子进程去并行加载数据。如果你用Windows系统，建议设置为0，因为Windows下多进程的数据加载有时会触发if __name__ == '__main__'保护的报错；Linux下可以适当调大，比如4到8，能明显提高数据读取速度，避免训练过程中GPU在等数据的尴尬局面。不过MNIST数据集太小，数据从硬盘到内存的速度远快于模型计算速度，所以这个参数在这个项目里影响不大，但将来做大规模数据集时就要注意了。

3. CNN核心原理：从卷积到分类

很多人第一次接触CNN时最困惑的问题就是：卷积到底是什么？它凭什么能识别手写数字？这一部分我会把CNN的核心机制拆开来逐个解释。尽量不要跳过这一段，因为只有理解了原理，后面调参才知道自己在做什么。

3.1 卷积层：特征提取的第一步

卷积层做的事情可以这样理解：有一张28x28的手写数字图片，图片上有各种笔画和纹理。我们用一个小窗口（卷积核）在整张图片上从左到右、从上到下地滑动，每次滑动时把窗口内的像素值和卷积核上的权重做逐元素相乘再相加，得到一个输出值。滑完一整张图，就得到了一张新的特征图。

为什么要这么做？因为一个卷积核可以被看作是一个特定的特征探测器。比如某个卷积核的权重经过学习后，可能对“横线”特别敏感，那么它在图片上滑动时，凡是含有横线的地方输出值就会很大，没有横线的地方输出值很小。多个卷积核堆叠起来，就能探测多种不同的特征——横线、竖线、斜线、拐角、弧线等等。卷积层的作用就是把这些底层的局部特征从图片中提取出来。

这个设计思路借鉴了生物视觉皮层的发现：视觉皮层中的神经元并不是对整幅图像都有反应，而是只对视野内一小块区域的特定刺激敏感。卷积神经网络把这种特性数学化、工程化，就成了一种极其高效的图像特征提取器。

在实现层面，PyTorch的nn.Conv2d有三个关键参数。in_channels是输入张量的通道数，MNIST图片是单通道的，所以第一层卷积的in_channels就是1；out_channels是这一层希望输出的特征图数量，也就是用多少个不同的卷积核去扫描输入；kernel_size是卷积核的大小，常用的是3x3或5x5。还有几个可选参数，比如padding用于在图像边缘补零，防止多次卷积后特征图尺寸缩得太小；stride是卷积核滑动的步幅，默认为1。

对于这个项目，第一层卷积我设置为nn.Conv2d(1, 32, kernel_size=3, padding=1)。输入1个通道，输出32个通道，也就是用32个3x3的卷积核分别去扫描原图，得到32张特征图。每个卷积核学到的是不同的边缘或纹理特征。

3.2 池化层与激活函数：压缩与非线性

池化层的作用，通俗地讲就是“压缩”。以最大池化（Max Pooling）为例，它把特征图分成若干个2x2的小块，每个小块只保留最大值。这样做的效果是图像尺寸减半，例如28x28变成14x14，同时保留了最有代表性的局部激活值。

池化带来了两个好处。第一个是计算量下降。特征图的尺寸变小了，后续卷积或全连接层的计算量会大幅减少。第二个是获得一定程度的平移不变性。即使数字在图片中的位置发生几个像素的偏移，最大池化仍然能提取到相似的特征值，这对手写数字识别来说非常关键，因为不同人手写数字的位置和大小本来就会有差异。

激活函数是另一个不可缺失的组件。卷积和池化本质上都是线性运算的堆叠，无论你堆多少层，组合起来还是线性的，表达能力非常有限。激活函数的作用是引入非线性，让网络能够学习到更复杂的特征组合。本项目用的是ReLU，公式是f(x) = max(0, x)，实现简单，计算效率高，而且能有效缓解梯度消失问题。在训练的早期阶段，ReLU几乎是CNN的标准配置。

3.3 全连接层与特征展平

卷积层和池化层的作用是把原始图片一步步转换成高层次的抽象特征，但最终要判断“这张图是数字几”，还需要一个分类器。分类器通常由全连接层承担。

经过几轮卷积和池化之后，特征图的尺寸已经很小了。在把这个三维的特征图送入全连接层之前，需要先把它“拉平”成一维向量，这个操作在PyTorch里用torch.flatten函数实现。比如最后的特征图是64通道、7x7尺寸，展平后就是一个长度为64*7*7=3136的向量。

全连接层的每个神经元都会和上一层的所有神经元相连，所以它的参数量很大。也正因为这个原因，全连接层往往是整个网络中参数最多的部分，也最容易过拟合。常见的应对手段就是在全连接层之后加Dropout，随机丢弃一部分神经元，强制网络学习更加鲁棒的特征。

下面我给出本项目用到的完整网络结构：

import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self): super(SimpleCNN, self).__init__() self.conv1 = nn.Conv2d(1, 32, kernel_size=3, padding=1) self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1) self.pool = nn.MaxPool2d(2, 2) self.fc1 = nn.Linear(64 * 7 * 7, 128) self.fc2 = nn.Linear(128, 10) self.dropout = nn.Dropout(0.25) self.relu = nn.ReLU() def forward(self, x): x = self.pool(self.relu(self.conv1(x))) x = self.pool(self.relu(self.conv2(x))) x = torch.flatten(x, start_dim=1) x = self.relu(self.fc1(x)) x = self.dropout(x) x = self.fc2(x) return x

这个结构非常简单，但用来识别MNIST已经完全足够了。它一共只有两层卷积加两层全连接，参数量大约在几十万量级，即使没有GPU，CPU训练也很快。这里的核心思路是先通过卷积层不断提取特征并缩小空间尺寸，最后用全连接层完成特征到类别的映射。正向传播过程中，输入图片尺寸的变化是：1x28x28经过conv1和pool变成32x14x14，再经过conv2和pool变成64x7x7，展平后是3136维，经过fc1到128维，经过fc2到10维输出。10个输出值分别对应数字0到9的置信度分数。

4. 训练循环与核心参数解析

网络结构定义好之后，下一步就是训练。训练过程看起来就那么几行代码，但每行代码背后的含义和参数选择逻辑，才是这个项目真正的精华所在。

4.1 损失函数与优化器选择

先看训练的第一个核心组件：损失函数。分类任务的标准选择是CrossEntropyLoss，也就是交叉熵损失。交叉熵衡量的是模型预测的概率分布和真实标签分布之间的差异。对数字3的图片，如果模型输出中数字3对应的概率接近1，其他数字接近0，那损失就会很小；反之如果模型信誓旦旦地认为这是数字8，损失就会很大。

为什么分类任务不用均方误差（MSE）？原因是交叉熵配合Softmax激活函数的组合，在数学上有更好的梯度性质。使用MSE时，靠近输出端的梯度会变得很小，导致靠近输出端的参数几乎学习不动，训练速度会慢很多。而交叉熵的梯度形式更加直接，错误样本的学习信号更强。

第二个核心组件是优化器。我推荐用Adam，torch.optim.Adam，因为它在训练初期收敛速度很快，对学习率的设置也不太敏感。标准配置是lr=0.001。Adam的机制可以理解为在SGD的基础上增加了自动调节学习率的能力，它会根据每个参数历史梯度的变化情况，为不同的参数分配合适的学习率。对于MNIST这种简单的任务，Adam基本是稳的，不太需要手动调节学习率。

如果你想让模型获得更高的测试准确率，可以考虑在Adam跑完大部分epoch后，手动降低学习率继续微调。但这属于进阶操作，现阶段先不用纠结。

4.2 核心训练代码逐行解读

下面我把完整的训练、评估流程写出来，并逐段解释关键代码的含义。

import torch.optim as optim device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = SimpleCNN().to(device) criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.parameters(), lr=0.001) epochs = 10 for epoch in range(epochs): model.train() train_loss = 0.0 train_correct = 0 for images, labels in train_loader: images, labels = images.to(device), labels.to(device) optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() train_loss += loss.item() * images.size(0) _, predicted = torch.max(outputs, 1) train_correct += (predicted == labels).sum().item() train_loss = train_loss / len(train_loader.dataset) train_acc = 100.0 * train_correct / len(train_loader.dataset) model.eval() test_correct = 0 with torch.no_grad(): for images, labels in test_loader: images, labels = images.to(device), labels.to(device) outputs = model(images) _, predicted = torch.max(outputs, 1) test_correct += (predicted == labels).sum().item() test_acc = 100.0 * test_correct / len(test_loader.dataset) print(f"Epoch {epoch+1}/{epochs} - " f"Train Loss: {train_loss:.4f}, Train Acc: {train_acc:.2f}%, " f"Test Acc: {test_acc:.2f}%")

有几个地方特别值得展开讲。

model.train()和model.eval()这两个状态切换很多人会忽略。它们影响的是BatchNorm和Dropout这些在训练和预测时行为不同的层。Dropout在训练时会随机丢弃神经元，但在预测时不会，如果预测时还开着Dropout，结果会带上随机性，导致每次预测的结果不完全一样。虽然本项目结构里用了Dropout，但通过model.eval()可以确保它被正确地关闭。

optimizer.zero_grad()这行代码的作用是清空上一轮迭代中模型参数的梯度。PyTorch默认会累积梯度，不清空的话，下一轮反向传播会把新旧梯度加在一起，参数更新就会错乱。这是一个非常经典的坑，把zero_grad()漏掉的人不在少数，症状是损失函数一开始就在震荡，或者根本降不下去。

loss.backward()是反向传播，计算每个参数相对于损失的梯度。optimizer.step()是根据梯度更新参数。这三步的顺序是固定的：先清空梯度，再计算当前batch的loss，再反向传播求梯度，最后更新参数。

torch.max(outputs, 1)是在模型输出的10个值中找出最大值的索引。比如模型的输出中第8个位置的值最大，那就认为这张图片预测为数字7。这里torch.max的第二个参数1表示在第1个维度（也就是类别维度）上取最大值，返回两个值，第一个是最大值本身，第二个是最大值的索引。我们用_接收最大值，用predicted接收索引。

4.3 评估阶段的细节

评估阶段和训练阶段最大的区别是torch.no_grad()。PyTorch默认会为所有计算构建计算图，以便后续反向传播。但评估时我们不需要反向传播，构建计算图完全是浪费内存。torch.no_grad()告诉PyTorch这段代码块里不要构建计算图，大幅减少内存占用。在评估模式下，我们也不应该调用optimizer.step()，因为评估的目的只是观察模型在当前参数下的表现，不需要更新参数。

关于训练轮次（epoch）的选择，我上面设置了10轮。MNIST上这个网络结构跑到第10轮测试准确率应该能达到99%左右。如果你发现还没到10轮就已经收敛，可以提前结束；如果准确率还在明显上升，适当增加轮次也可以。观察训练损失和准确率的变化趋势，比死板地设一个固定轮数更有意义。

训练结束后，如果你想直观地看到模型的识别效果，可以随机从测试集里取几张图片做推理，打印出模型预测的标签和真实标签。也可以利用torchvision.utils.make_grid将一批图片拼接成网格图展示，效果很直观。还有一个好习惯是把训练过程中的准确率曲线画出来，用matplotlib即可，横轴是epoch，纵轴是准确率，能非常直观地看到模型的学习进程。

5. 常见问题与排查技巧实录

跑这个项目时，几乎每个人都会遇到几个典型问题。我把实际运行中容易踩的坑整理成一份速查表，并针对每个问题给出排查思路和解决方案。

逐个展开聊一聊。

第一个问题是数据下载失败，这在我教学过程中碰到得非常多。download=True时，PyTorch会从官方地址下载文件，但国内网络环境访问不稳定，经常报连接超时。一个稳妥的办法是：先以浏览器或下载工具手动下载好四个数据文件，然后按照root/目录下MNIST/processed子目录的路径放好，再把download=False传给数据集加载函数。如果你用的是Linux环境，还可以试试设置环境变量TORCH_HOME来指定缓存目录。

第二个问题是维度不匹配。这种报错通常会出现在nn.Linear那一行。原因是你网络结构里的全连接层第一层输入维度，和实际展平后的特征维度对不上。出现这个问题，不需要瞎猜，直接用一行代码在forward流程里打印输出shape即可。比如在torch.flatten之后加一行print(x.shape)，跑一个batch，看打印出来的是不是torch.Size([64, 3136])。如果是，那nn.Linear(3136, 128)就是对的；如果不是，以实际打印结果为准修改即可。

第三个是损失不下降。这是最让人头疼的问题，因为原因可能不止一个。先检查学习率，如果lr设置太大比如0.1，损失值会在一个较大值附近疯狂震荡，这种情况下模型完全学不到任何东西。如果lr设得太小比如1e-6，损失会非常缓慢地下降，看起来就像停滞不动。其次是检查数据预处理，确认ToTensor()是否正确地将数据缩放到0到1之间。最后检查优化器循环结构，确实不少人在写代码时忘了清空梯度，导致梯度不断累积，参数更新方向混乱。

第四个是过拟合问题。MNIST数据量比较大，模型容量又小，严格意义上不太容易过拟合，但如果你的网络参数非常多，或者训练轮数太多，仍可能出现训练准确率接近100%但测试准确率停滞不前的情况。解决办法有几个方向：使用Dropout并适当提高丢弃比例；对训练数据进行随机旋转、平移等增强操作；或者直接减小网络规模。需要注意，数据增强只应用于训练集，测试集要保持原始数据不变，否则会影响评估的公平性。

第五个问题我在实际指导中见过很多次，Windows系统下num_workers设置大于0时会触发Python多进程的递归错误，报错信息通常包含An attempt has been made to start a new process。解决方法很简单，Windows下改成num_workers=0即可。从原理上说，Windows缺少Linux的fork机制，要用spawn方式创建子进程，而spawn会重新执行脚本文件，导致问题。这种问题不影响模型的正确性，只影响加载速度。

最后再补充一个训练过程中值得留意的现象：如果模型在某一轮后准确率突然出现异常波动，比如测试准确率骤降，先检查数据是否被打乱，再检查是否有除零或数值溢出的问题。正常训练曲线应该是平滑上升或者在某点震荡后继续上升的，出现断崖式下跌通常说明有数值稳定性问题。

6. 从MNIST到真实场景：扩展与个人经验

项目能跑到99%以上的准确率，这个小小的里程碑值得开心一下。但作为一个过来人，我也想聊聊从MNIST这个项目走向真实场景时应该注意的几个差距，以及我自己的几条实际经验。

6.1 MNIST与现实图像识别之间的差距

MNIST数据集的图片经过严格预处理，数字基本居中，尺寸统一，背景干净。真实场景中的数字识别要困难得多，比如街景中的门牌号、快递单上的手写数字、发票上的票据号码，这些图像往往有复杂的背景、透视畸变、光照变化、遮挡物，数字本身也可能出现旋转、拉伸、部分缺失。直接在真实场景中套用MNIST上训练好的模型，效果几乎一定会大打折扣。

这也是为什么在更接近真实场景的实战中，大家会选用SVHN（街景门牌号数据集）或者收集业务场景中的真实图片来训练。MNIST的价值不在于它有多大的工程难度，而在于它帮助你建立一套完整的深度学习问题解决框架：数据如何处理、模型如何搭建、训练如何调参、问题如何排查。这套框架在后续任何视觉项目里都是通用的。

从网络结构的角度看，MNIST的28x28小图其实和现代图像任务有不少差异。现在很多视觉任务使用的输入通常是224x224甚至更大，网络结构也随之变得更深更宽，例如ResNet的残差结构就是为了解决深层网络中梯度消失和退化问题而设计。MNIST项目中用不到这些技巧，但不妨碍你在理解基础CNN后，尝试把网络加深、加入残差连接、使用BatchNorm，看看效果有什么变化。

6.2 个人实操经验与后续扩展方向

最后分享几条我在反复实践这个项目后体会最深的东西。

第一，不要原封不动地照抄所有标准答案。比如网络结构里的超参数，batch_size设为64，lr设为0.001，这些数值确实能跑出不错的结果，但真正让你进步的，是动手改变一个参数，观察准确率和损失曲线的变化趋势，然后尝试解释这个变化的原因。我见过太多人代码跑通了，但问到“为什么Dropout比例从0.25换成0.5准确率反而下降了”就一脸茫然。如果能在这个小项目里养成“改一个变量、记一次实验、总结一个结论”的习惯，对你后续学习任何机器学习框架都有长远帮助。

第二，代码组织要有结构化意识。训练代码不要全部堆在一个脚本里，哪怕项目很小，也可以按照功能拆分成数据加载、模型定义、训练函数、评估函数、主入口几个模块。这样做的收益在你做下一个项目时会立刻体现出来——你不需要从零开始写，而是把上一轮的模块拿过来复用。很多初学者会忽略这一点，觉得小项目没必要讲究，等代码到几千行的时候再回头拆就痛苦了。

第三，留意运行结果中的每一个数字。训练时打印出的损失值、准确率，都是诊断模型健康状况的指标。一种值得养成的习惯是记录每次实验的关键结果，比如在代码里加几行日志，把epoch数、学习率、最终准确率保存下来。时间一长，你会积累一份自己的调参经验表，知道什么样的设置在这个任务上更可能获得好的结果。

如果你完成了基础版本，下一步可以尝试的扩展方向有：将网络加深到三层卷积、加入BatchNorm层、尝试不同的优化器如SGD with Momentum、在训练过程中加入学习率衰减策略、用torch.utils.tensorboard记录训练曲线。每换一个组件，都先记录一组基线数据，再对照实验，这样你就能逐步建立起自己对模型行为的感觉。

跑通一个MNIST项目不难，真正有价值的是借此吃透深度学习的基本工作流，并逐渐建立起自己的实验方法论。希望这篇内容能帮你在起步阶段少走一点弯路，也期待你能在这个项目上找到自己的第一个成就感。