執行測試驗證設定是否正確，例如：

python layers_test.py

快速MNIST測試結果：

• 從以下網址下載並提取MNIST記錄到 $DATA_DIR/：https://storage.googleapis.com/capsule_toronto/mnist_data.tar.gz

• 從以下網址下載並提取MNIST模型checkpoint到$CKPT_DIR：                                                                      https://storage.googleapis.com/capsule_toronto/mnist_checkpoints.tar.gz

python experiment.py --data_dir=$DATA_DIR/mnist_data/ --train=false \
--summary_dir=/tmp/ --checkpoint=$CKPT_DIR/mnist_checkpoint/model.ckpt-1

快速CIFAR10 ensemble測試結果：

• 從以下網址下載並提取cifar10二進位制版本到 $DATA_DIR/：https://www.cs.toronto.edu/~kriz/cifar.html

• 從以下網址下載並提取cifar10模型checkpoint到 $CKPT_DIR：                                                                                

  https://storage.googleapis.com/capsule_toronto/cifar_checkpoints.tar.gz

• 將提取的二進位制檔案的目錄作為 data_dir 傳遞給（$ DATA_DIR）

python experiment.py --data_dir=$DATA_DIR --train=false --dataset=cifar10 \
--hparams_override=num_prime_capsules=64,padding=SAME,leaky=true,remake=false \
--summary_dir=/tmp/ --checkpoint=$CKPT_DIR/cifar/cifar{}/model.ckpt-600000 \
--num_trials=7
 

CIFAR10訓練命令：

python experiment.py --data_dir=$DATA_DIR --dataset=cifar10 --max_steps=600000\
--hparams_override=num_prime_capsules=64,padding=SAME,leaky=true,remake=false \
--summary_dir=/tmp/

MNIST的完整訓練命令：

• 在 training-validation pass 訓練，validate=true 也是如此

• 要在一個以上的GPU pass訓練，num_gpus = NUM_GPUS

python experiment.py --data_dir=$DATA_DIR/mnist_data/ --max_steps=300000\
--summary_dir=/tmp/attempt0/