项目描述：在项目中担任组员，成功实现了一个基于 PyTorch 的深度学习模型，用于准确识别 MNIST 数据集中的手写数字图像。通过
优化模型结构和参数，确保模型在测试集上达到至少 98% 的准确率。
采用合理的网络设计和训练策略，提升模型的泛化能力，使其能够适应不同风格的手写数字。熟练掌握 PyTorch 框架，用于
神经网络的构建、训练和测试。利用 PyTorch 提供的工具和模块（如数据加载器、优化器、损失函数等），简化了开发流
程。深入理解并实践了深度学习中的关键概念，包括卷积神经网络（CNN）、反向传播和梯度下降等。
实现个基于 PyTorch 的手写数字识别模型，成功地解决了 MNIST 数据集上的手写数字识别问题。