本文介绍了深度学习中模型训练（Training）与推理（Inference）的概念。Training是通过喂养有标签的数据让模型学习，而Inference则是将训练好的模型应用于新数据进行预测。在Pytorch中，进行推理时需设置model.eval()和with torch.no_grad()来确保不更新权重并避免梯度计算。通过这个过程，我们可以验证模型在未知数据上的性能。
最近加入了新的组，讨论的时候大家经常把inference和training挂在嘴边。每次内心都在嘀咕，，到底啥是inference？模型训练好了之后，还要推理过程吗？于是查了查资料，发现还真有。。
Training训练
这个我懂，就是分batch给网络喂一堆有标签的数据，让他逐渐学习数据特征，然后匹配到对应的标签。比如给一张图片，能够认出图片里面是个苹果。
Inference推理
把上边训练好的模型，拿到新的没见过的数据上试一试。看看效果怎么样。所以不需要分batch迭代更新参数，只需要一次求解，前向传播。
Pytorch怎么inference
1 首先加载数据，看是否需要预处理啥的。
2 然后调用模型，注意两点
（1） model.eval()状态，不需要再训练
（2）with torch.no_grad():状态
3 再就是正常的计算结果，得到输出。
参考：
【深度之眼】【Pytorch打卡第19天】：图像分类Resnet的Inference_雯文闻的博客-CSDN博客_pytorch 图像分类
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
