实现基于CNN网络的手写字体识别，要求： 1、搭建CNN网络模型； 2、设计损失函数，选择优化函数； 3、实现模型训练与测试。

好的，针对您的问题，我可以给您一些基本的思路：

1. 搭建CNN网络模型：

首先需要定义输入数据的格式和尺寸，以及输出的类别数。一般来说，手写数字识别的输入数据是一张28x28的灰度图像，输出的类别数为0-9的10个数字。

然后可以设计卷积层、池化层和全连接层等组成网络模型，比较常见的是LeNet、AlexNet、VGG、ResNet等。

2. 设计损失函数，选择优化函数：

损失函数一般使用交叉熵损失函数，优化函数可以选择Adam、SGD等，需要根据实际情况进行调整。

3. 实现模型训练与测试：

训练数据可以选择MNIST数据集，测试数据可以使用自己手写的数字图像。在训练过程中，需要对模型进行调参，以提高准确率和泛化能力。

以上是一些基本的思路，具体实现还需要根据具体情况进行调整和优化。