模型的内容06 def main()

我们开始说明 for loop的部分。

在训练模型时，我们需要大量的data，这些data来自於train_loader。但是，我们并非一次全部倒入所有资料，进行训练，而是每次一批资料倒入训练。每一批的笔数，在train_loader的batch_size参数中设定。每次一批的好处，在於部分资料训练後，可立即进行最佳化的调整，以及测试验证(validation)模型的准确性。

进入主题，看程序for loop部分：

	for epoch in range(1, args['epochs'] + 1):

通常，我们若写 range(10), 表示[0..9]。但我们的初始值为1，所以尾端的最大值得加1。整个回圈数就会有1至epoch那麽多次loop。

接下来，进入train() function：

	train(args, model, device, train_loader, optimizer, epoch)

我们需要给它的资讯有--参数、模型、device(模型及资料都放在此处，才能执行)、训练用资料、优化器以及回圈数epoch。

此次epoch中，训练及优化调整後，交由 test(…)测试验证(validation)模型的准确性：

   test_acc = test(args, model, device, test_loader)

同样的，我们需喂入参数，model(内含优化过的weights)，device以及验证资料test_loader。
Test()所产生的结果(accuracy)，交给 test_acc做後续的处理。
接着，test_acc送入NNI，让NNI可进行後续的比较、优化超参，或是中途停止不必要的计算。

  nni.report_intermediate_result(test_acc)

所有的epochs跑完後，将最後的结果也给NNI做後续的处理--比较、优化超参，或是中途停止不必要的计算。

 nni.report_final_result(test_acc)

Def main() 到此结束。
接下来我们将说明 train()，test()的细部。不耐烦的读者，可跳过此2大部分。