我发现在有些网络中会存在net.eval()与net.train(),但是有一些却没有。查阅了一些说法,现在记录一下。这两个函数只要适用于Dropout与BatchNormalization的网络,会影响到训练过程中这两者的参数
net.train()
这个一般出现在训练函数中,也就是出现于
def train():
net.train()
...
运用net.train()时,训练时每个min-batch时都会根据情况进行上述两个参数的相应调整,所有Batch Normalization的训练和测试时的操作不同。
net.eval()
这个一般出现在测试函数中,也就是出现于
def val():
net.eval()
...
运用net.eval()时,由于网络已经训练完毕,参数都是固定的,因此每个min-batch的均值和方差都是不变的,因此直接运用所有batch的均值和方差。
在没有涉及到BN与Dropout的网络,这两个函数存在对于网络性能的影响,好坏不定。