1.pytorch方法中的model.train()和model.eval()
CSDN 【pytorch】model.train()和model.evel()的用法
CSDN Pytorch model.train model.eval
1.1 区别(因为在神经网络的训练和测试的时候,BN和Dropout要有不同的模式)
1.1.1 应用场景:
写在不同的位置是有原因的.
model.train()
写在训练开始之前model.eval()
写在测试时候
这是因为如果神经网络的模型里有Batch Normalization
层和Dropout
, 就需要在训练时候添加model.train()
,在测试时候添加model.eval()
.
model.train()
用于保证BN层用每一批数据的均值和方差,而对于Dropout
的话,model.train()
是随机取一部分网络连接(好抽象,还需要完善)来训练更新参数.
================================================================================================================
model.eval()
用于保证BN层用全部训练数据的均值和方差,而对于Dropout
的话,model.eval()
是利用了所有网络连接。
================================================================================================================
另一个博客里的说法是:
eval()时,pytorch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。