将以上数据集绘制Accuracy， AUC，ROC曲线

好的，我可以为您提供绘制Accuracy、AUC和ROC曲线的实现示例。

首先，我们需要在测试集上对LeNet模型进行预测，并得到预测结果和真实标签：

# 在测试集上进行预测
net.eval()
preds = []
labels = []
with torch.no_grad():
    for data in testloader:
        images, target = data
        output = net(images)
        _, pred = torch.max(output.data, 1)
        preds.extend(pred.numpy())
        labels.extend(target.numpy())

然后，我们可以使用sklearn库来计算Accuracy、AUC和ROC：

from sklearn.metrics import accuracy_score, roc_auc_score, roc_curve

# 计算Accuracy
accuracy = accuracy_score(labels, preds)
print('Accuracy: %.2f%%' % (accuracy * 100))

# 计算AUC
auc = roc_auc_score(labels, preds)
print('AUC: %.2f%%' % (auc * 100))

# 绘制ROC曲线
fpr, tpr, thresholds = roc_curve(labels, preds)
plt.plot(fpr, tpr)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC Curve')
plt.show()

最后，我们可以得到Accuracy、AUC和ROC曲线的可视化结果。如果您想要绘制Fashion Mnist数据集的结果，只需要将上述代码中的Mnist数据集替换为Fashion Mnist数据集即可。