新人报道，贡献一篇模型训练小案例 😘 
一个简单模型训练学习案例：手写数字机器识别 0~9 
数据准备：加载 MNIST 数据集，应用数据增强（旋转、平移） 
模型构建：创建包含 2 层卷积和 2 层全连接的 CNN 网络 
训练过程：使用 Adam 优化器训练 50 轮，每 5 轮评估测试准确率 
模型保存：保存最佳模型和最终模型 
预测功能：提供自定义图片预处理和预测函数（已注释） 
核心流程：数据加载 → CNN 特征提取 → 全连接分类 → 训练优化 → 模型保存 
具体代码如下： 
import cv2
import torch
from torch import nn, optim
from torch.utils.data import DataLoader
from torchvision import transforms, datasets

transform = t...