pytorch中model.train()和model.eval()用法及说明

目录

• model.train()和model.eval()用法
• 1.1 model.train()
• 1.2 model.eval()
• 1.3 分析原因
• 总结

model.train()和model.eval()用法

1.1 model.train()

model.train()的作用是启用 BATch 编程客栈Normalization 和 Dropout。

如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。

model.train()是保证BN层能够用到每一批数据的均值和方编程客栈差。

对于Dropout，model.train()是随机取一部分网络连接来训练更新参数。

1.2 model.eval()

model.eval()的作用是不启用 Batch Normalization 和 Dropout。

如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。

model.eval()是保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。

对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元。

训练完train样本后，生成的模型model要用来测试样本。

在model(twww.devze.comest)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。

在做one classification的时候，训练集和测试集的样本分布是不一样的，尤其需要注意这一点。

1.joBwtUlc3 分析原因

使用PyTorch进行训练和测试时一定注意要把实例化的model指定train/eval。

model.eval()时，框架会自动把BN和Dropout固定住，不会取平均，而是用训练好的值，

不然的话，一旦test的batch_size过小，很容易就会被BN层导致生成图片颜色失真极大！！！！！！

总结

以上为个人经验，希望能给大家一个参考，http://www.devze.com也希望大家多多支持编程客栈(www.devze.com)。