模型的内容01

到此为止，若一切顺利，表示NNI安装正确，功能一切正常。但整个流程究竟在做甚麽事情呢？
首先，我们在 Config_detail.yml 档案，修改的 searchSpace 部分，其实就是模型程序 mnist.py 的参数。
而其他的参数，则是在定义 trial, tuner and training services 的参数。
所以，我们既然有了自己写的模型，我们当然很想知道，到底哪组 Hyper-parameters 效果最好？这个 Experiment 就是在做调整 Hyper-parameters 的事情。
或许，您一定会好奇，一切未知的情形下--不知何模型、哪组 Hyper-parameters 较佳的情形下，NNI有没有办法告诉我们解答呢？当然可以的，这便是NNI的主要功能，我们会在後面章节，带大家做一下实验。
在这里，我们先大致了解一下这个模型到底在做些甚麽事情。这个模型(MNIST)，主要是在辨认手写的阿拉伯数字0-9。在pytorch framework中，使用CNN(Convolutional Neural Networks)，建构出一个CNN的辨识模型，经由现有的资料进行training、validation，以完成此辨识手写的阿拉伯数字的模型。但是，我们跑一次mnist.py，并不知道参数的好坏，势必要来回不断调整。所以，前面章节的过程，便是NNI自动调整 Hyper-parameters 的过程。

那究竟模型程序 mnist.py ，到底是如何做到辨认手写的阿拉伯数字0-9？请看下回分晓。

若你已经熟悉mnist在做甚麽，请跳过[模型的内容]这几章节。