1 问题
在对mnist进行网络性能测试的时候，没有经过网络训练的模型预测正确结果两次出现结果不一样，而且预测的结果的正确率比较低，这个时候我们就在想如何提高网络的性能呢？模型需要训练，如何进行训练？
2 方法
我们在没有经过训练的时候网络测试性能比较低，128个数字正确率不到百分之十，这个时候我们就要想经过模型的训练来提高预测结果的正确性，网络训练的过程大致是给定一个真实标签y，网络训练标签y_hat，我们的训练的最终目标就是使y_hat更加接近y。损失函数就是衡量y与y_hat之间的差距。运用优化器实现梯度下降算法的传播。首先我们定于一个优化器，然后就定义一个损失函数，然后进行网络的训练，具体的代码实现结果如下：
经过训练之后我们发现预测正确率大大提高，在这其中，我们也可以修改lr的取值，它的取值不一样预测结果的正确率也会不同，lr最优的取值就是预测结果正确率最优取值。
3 结语
针对网络性能测试性能，还得经过网络的训练才能大大的提高预测的正确率，还有lr的取值也会影响预测结果的正确率，最优的lr的取值还需要自己去不断实验，才能提高正确率。
