一.原理说明卷积神经网络（ConvolutionalNeuralNetworks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。卷积神经网络的创始人是着名的计算机科学家YannLeCun，目前在Facebook工作，他是第一个通过卷积神经网络在MNIST数据集上解决手写数字问题的

实现方式一：手动实现#Fashion-MNIST分类importtorchimporttorchvisionfromtorch.utilsimportdatafromtorchvisionimporttransformsfromd2limporttorchasd2lfromIPythonimportdisplayimportmatplotlib.pyplotaspltfromdynamic_plot_loss_accimportD

utils.pyimporttorchimportmatplotlib.pyplotaspltdefplot_curve(data):fig=plt.figure()plt.plot(range(len(data)),data,color='blue')plt.legend(['value'],loc='upperright')plt.xlabel('step�

设计一个支持 push ，pop ，top 操作，并能在常数时间内检索到最小元素的栈。实现 MinStack 类:MinStack() 初始化堆栈对象。voidpush(intval) 将元素val推入堆栈。voidpop() 删除堆栈顶部的元素。inttop() 获取堆栈顶部的元素。intgetMin() 获取堆栈中的最小元素

数据集下载这一部分比较简单，就不过多赘述了，把代码粘贴到自己的项目文件里，运行一下就可以下载了。fromtorchvisionimportdatasets,transforms#定义数据转换，将数据转换为张量并进行标准化transform=transforms.Compose([transforms.ToTensor(),#转换为张量