使用PyTorch進(jìn)行訓(xùn)練和測試時一定注意要把實例化的model指定train/eval，eval()時，框架會自動把BN和DropOut固定住，不會取平均，而是用訓(xùn)練好的值，不然的話，一旦test的batch_size過小，很容易就會被BN層導(dǎo)致生成圖片顏色失真極大！

Class Inpaint_Network()...... Model = Inpaint_Nerwoek()#train: Model.train(mode=True) ..... #test: Model.eval()

1.model.train()
啟用 BatchNormalization 和 Dropout。

2.model.eval()
不啟用 BatchNormalization 和 Dropout。

訓(xùn)練完train樣本后，生成的模型model要用來測試樣本。在model(test)之前，需要加上model.eval()，否則的話，有輸入數(shù)據(jù)，即使不訓(xùn)練，它也會改變權(quán)值。這是model中含有batch normalization層所帶來的的性質(zhì)。

在做one classification的時候，訓(xùn)練集和測試集的樣本分布是不一樣的，尤其需要注意這一點。

總結(jié)

以上是生活随笔為你收集整理的【pytorch】model.train和model.eval用法及区别详解的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。