Neural network torchvision.dataset.MNIST与Michael Nielsens神经网络和深度学习之间的不一致/不准确

我打印了pytorch和mnist数据集的第一个训练图像的矢量化形式。 对于浮点精度误差来说，差异似乎太大了

第一列mnist列车图像的完全差异：

要复制的代码：

导入mnist\u加载器
进口numpy
set_printoptions（格式化程序={'float'：{:0.4f}'。格式化}）
d=mnist\u loader.load\u data（）
打印numpy.array（d[0][0][0]）。重塑（784,1）

Pytork：

导入火炬
进口火炬视觉
从torchvision导入转换为tf
dtype=torch.32
transforms=tf.Compose（[tf.ToTensor（）]））
mnist_data=torchvision.datasets.mnist（“./mnist”，transform=transforms，download=True）
数据加载器=torch.utils.data.DataLoader（mnist\U数据，
批次尺寸=500，
shuffle=False，
工人数量=1）
数据，目标=下一个（数据加载器
打印（数据[0]。重塑（784,1））

---

有人知道这是什么原因吗？

MNIST图像由0到255（包括0到255）范围内的整数像素值组成。为了生成您正在查看的张量，这些整数值已被归一化为介于0.0和1,0之间，方法是将它们全部除以某个常数因子。似乎您的两个源选择了不同的归一化因子：一种情况下为255，另一种情况下为256