diff --git a/cn-Book/6.用于分类任务的微调.md b/cn-Book/6.用于分类任务的微调.md
index c024a38..3f7b93b 100644
--- a/cn-Book/6.用于分类任务的微调.md
+++ b/cn-Book/6.用于分类任务的微调.md
@@ -13,7 +13,6 @@
 - [6.1 不同类型的微调](#61-不同类型的微调)
 - [6.2 准备数据集](#62-准备数据集)
 - [6.3 创建数据加载器](#63-创建数据加载器)
-- [](#)
 - [6.4 使用预训练权重初始化模型](#64-使用预训练权重初始化模型)
 - [6.5 添加分类头](#65-添加分类头)
 - [6.6 计算分类损失和准确率](#66-计算分类损失和准确率)
@@ -410,7 +409,7 @@ print(f"{len(test_loader)} test batches")
 
 本章的数据准备工作到此结束，接下来我们将初始化模型以准备进行微调。
 
-##
+
 
 ## 6.4 使用预训练权重初始化模型
 
@@ -748,12 +747,12 @@ def calc_accuracy_loader(data_loader, model, device, num_batches=None):
         if i < num_batches:
             input_batch, target_batch = input_batch.to(device), target_batch.to(device)
 
-        with torch.no_grad():
-            logits = model(input_batch)[:, -1, :]                   #A
-        predicted_labels = torch.argmax(logits, dim=-1)
+            with torch.no_grad():
+                logits = model(input_batch)[:, -1, :]                   #A
+            predicted_labels = torch.argmax(logits, dim=-1)
 
-        num_examples += predicted_labels.shape[0]
-        correct_predictions += (predicted_labels == target_batch).sum().item()
+            num_examples += predicted_labels.shape[0]
+            correct_predictions += (predicted_labels == target_batch).sum().item()
         else:
             break
     return correct_predictions / num_examples