定義模型後，可以開始

model = CNN() 
epochs = 100 
batch_size = 300
lr = 1e-3

建立模組、定義訓練次數、批次大小和學習率

  xt = train_data.data[batch_CNN].detach() 
  yt = train_data.train_labels[batch_CNN].detach() 
  pred = model(xt)
  pred_labels = torch.argmax(pred,dim=1) 

產生批次後，y軸取得標籤資訊，在找出預測的最大值作為結果

  acc_ = 100.0 * (pred_labels == yt).sum() / batch_size 
  print('Current training accuracy: ', acc_.item()) 

計算準確率並預測

plt.figure(figsize=(10,7))
plt.xlabel("Training Epochs", fontsize=12)
plt.ylabel("Training accuracy", fontsize=12)
plt.plot(acc_CNN)

可以畫出每次epoch的準確度，從張圖我們可以知道訓練週期越到後面，模型的準確率也越高。

for i in range (10):
  x = test_data.data[test_id[i]]     
  plt.imshow(x)
  print('\n預測數字是：', pred_ind[i])  

輸出測試資料，可以看到每張圖型和預測結果