我们建议将本教程作为 notebook 而不是脚本运行。要下载 notebook（.ipynb）文件，请点击页面顶部的链接。

PyTorch 提供了精心设计的模块和类，如 torch.nn、torch.optim、Dataset 和 DataLoader，帮助你创建和训练神经网络。为了充分利用这些工具的强大功能并根据你的问题进行定制，你需要真正理解它们的工作原理。为了帮助你理解，我们将首先在 MNIST 数据集上训练一个基本的神经网络，而不使用这些模型中的任何功能；最初我们只会使用最基本的 PyTorch 张量操作。然后，我们将逐步添加一个特性，来自 torch.nn、torch.optim、Dataset 或 DataLoader，逐个展示每个部分的作用，以及它如何使代码变得更加简洁或灵活。

本教程假设你已经安装了 PyTorch，并且熟悉张量操作的基础知识。（如果你熟悉 Numpy 数组操作，你会发现这里使用的 PyTorch 张量操作几乎是一样的）。

1. MNIST 数据集设置

我们将使用经典的 MNIST 数据集，它由手绘数字（0 到 9）构