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，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！！！！！！
Class Inpaint_Network() ......Model = Inpaint_Nerwoek() #train:Model.train(mode=True).....#test:Model.eval()model.train()
启用 BatchNormalization 和 Dropout
model.eval()
不启用 BatchNormalization 和 Dropout
训练完train样本后，生成的模型model要用来测试样本。在model(test)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batch normalization层所带来的的性质。
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。
以上这篇pytorch:model.train和model.eval用法及区别详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
最新文章
热门文章
猜你喜欢
