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,它也会改成权值。这是model中含有batch normalizaition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,尤其注意这一点。
https://people.eecs.berkeley.edu/~tinghuiz/projects/pix2pix/datasets/facades.tar.gz
https://people.eecs.berkeley.edu/~taesung_park/CycleGAN/datasets/monet2photo.zip