model.train()和model.eval()反向传播依旧可以进行,只是BatchNormalization 和 Dropout的运行上有区别


aa = A() 
aa.eval()
print(aa.a.requires_grad)
aa.train()
print(aa.a.requires_grad)
import torch
import torch.nn as nn
from torch.nn import Parameter

class A(nn.Module):
    def __init__(self):
        nn.Module.__init__(self)
        self.a = Parameter(torch.tensor(100.))
    def forward(self,x):
        ans = x*self.a
        return ans 


aa = A() 
aa.eval()		
b = aa(10)
print(aa.a.requires_grad)
b.backward()
print(aa.a.grad)

aa.zero_grad()		//清空梯度!!!

aa.train()
b = aa(11)
print(aa.a.requires_grad)
b.backward()
print(aa.a.grad)





输出:

True
tensor(10.)
True
tensor(11.)

也就是说这两种状态都可以记录梯度,能进行反向传播!
但是两者的区别在于:

  1. model.eval(),不启用 BatchNormalization 和 Dropout。此时pytorch会自动把BN和DropOut固定住,不会取平均,而是用训练好的值
  2. model.train() :启用 BatchNormalization 和 Dropout。 在模型测试阶段使用model.train() 让model变成训练模式,此时 dropout和batch normalization的操作在训练起到防止网络过拟合的问题
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
model.train()和model.eval()是pytorch中用于控制模型训练状态的方法。model.train()将模型设置为训练模式,而model.eval()将模型设置为评估模式。 在训练过程中,model.train()会启用Batch Normalization层(BN层)和Dropout层的计算,以便在每个batch的训练过程中进行正则化和随机失活。同时,它还会更新模型的参数,使其适应训练数据。 相反,model.eval()会将模型设置为评估模式,此时模型不会进行BN层和Dropout层的计算,因为在评估阶段不需要进行正则化和随机失活。此外,模型的参数也不会更新,因为评估阶段只是用来测试模型在新数据上的性能。 需要注意的是,使用model.eval()之后,需要手动使用torch.no_grad()上下文管理器来禁止梯度的计算。torch.no_grad()会包裹住的代码块不会被追踪梯度,也就是说不会记录计算过程,不能进行反向传播更新参数。 综上所述,model.train()用于模型训练阶段,开启BN层和Dropout层的计算并更新参数,而model.eval()用于模型评估阶段,关闭BN层和Dropout层的计算并不更新参数。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [pytorchmodel.trainmodel.eval](https://blog.csdn.net/dagouxiaohui/article/details/125620786)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [pytorch:model.trainmodel.eval用法及区别详解](https://download.csdn.net/download/weixin_38611254/12855267)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值