到此為止，若一切順利，表示NNI安裝正確，功能一切正常。但整個流程究竟在做甚麼事情呢？
首先，我們在 Config_detail.yml 檔案，修改的 searchSpace 部分，其實就是模型程式 mnist.py 的參數。
而其他的參數，則是在定義 trial, tuner and training services 的參數。
所以，我們既然有了自己寫的模型，我們當然很想知道，到底哪組 Hyper-parameters 效果最好？這個 Experiment 就是在做調整 Hyper-parameters 的事情。
或許，您一定會好奇，一切未知的情形下--不知何模型、哪組 Hyper-parameters 較佳的情形下，NNI有沒有辦法告訴我們解答呢？當然可以的，這便是NNI的主要功能，我們會在後面章節，帶大家做一下實驗。
在這裡，我們先大致了解一下這個模型到底在做些甚麼事情。這個模型(MNIST)，主要是在辨認手寫的阿拉伯數字0-9。在pytorch framework中，使用CNN(Convolutional Neural Networks)，建構出一個CNN的辨識模型，經由現有的資料進行training、validation，以完成此辨識手寫的阿拉伯數字的模型。但是，我們跑一次mnist.py，並不知道參數的好壞，勢必要來回不斷調整。所以，前面章節的過程，便是NNI自動調整 Hyper-parameters 的過程。

那究竟模型程式 mnist.py ，到底是如何做到辨認手寫的阿拉伯數字0-9？請看下回分曉。

若你已經熟悉mnist在做甚麼，請跳過[模型的內容]這幾章節。