模型的内容08 test()

这个章节，我们将谈到 test()的部分。

进入主题之前，我们要注意的是，test_loader是固定的1000笔资料直接使用(没epoch)，所以不download参数。因此，它并不带有batch index 这栏位。

首先，先宣告这是validation的作业，而後将一些变数清0。

    model.eval()
    test_loss = 0
    correct = 0

由於我们在这个阶段，目的是测试model的准确性，也就利用model做一种推估，再比较和实际值的差异，进而得到其准确性。所以，我们不需要 backword and optimizer来优化 weights。因此，我们宣告暂时不需要gradient。

with torch.no_grad():

接下来，每次读一笔资料。读入的资料，放入device中。进而喂入model得到预测结果output。

            data, target = data.to(device), target.to(device)
            output = model(data)

接着，我们计算 output 和 target 之间的 loss，累计之。同时，也计算推论正确的次数 correct，亦累计之。

            # sum up batch loss
            test_loss += F.nll_loss(output, target, reduction='sum').item()
	 #
            # get the index of the max log-probability
            pred = output.argmax(dim=1, keepdim=True)
	 #
            correct += pred.eq(target.view_as(pred)).sum().item()

Pred and correct大致说明一下。假设我们预测手写数字为5，那麽output中机率最高的应为output[5]，所以pred=5。若预测的答案和target (5)相同，correct就累加1。

以上章节，讲完本机的部分。
接下来会谈及云端的部分。