pytorch每次分类结果都不同,有细微差异

看了许多大神的经验,做一个总结:

  1. 验证测试集的时候开启model.eval()
  2. 设置随机种子。
  3. pytorch框架中模型加载器dataLoader的属性“shuffle”置为“False”。

如果想看 具体原因简单实现 可以继续往下看:

  1. 验证测试的时候开启model.eval() 。因为可能你的模型中含有 BatchNormalization(批归一化)或 Dropout(舍弃),如果未设置模型为eval模式,则验证时会根据每次的batch调整或Dropout还是随机去掉某些神经元,这不符合我们的要求。如果设置模型为eval后,Batch会设置全部数据的均值,Dropout会全部放开,不会随机率舍弃神经元。简单代码如下:
for epoch in num_epoch:
	
	model.train()
	...
  • 3
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“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 2
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