PyTorch中的train()方法和eval()方法的作用和区别

最新推荐文章于 2024-08-18 12:24:05 发布

敲代码的小风

最新推荐文章于 2024-08-18 12:24:05 发布

阅读量7.8k

点赞数 6

分类专栏：零基础学习SSD网络PyTorch实现 Deep-Learning-with-PyTorch 《深度学习之PyTorch实战计算机视觉》文章标签：深度学习 Python pytorch 神经网络

本文链接：https://blog.csdn.net/m0_46653437/article/details/110680090

版权

零基础学习SSD网络PyTorch实现同时被 3 个专栏收录

293 篇文章 26 订阅

订阅专栏

Deep-Learning-with-PyTorch

216 篇文章 19 订阅

订阅专栏

《深度学习之PyTorch实战计算机视觉》

198 篇文章 41 订阅

订阅专栏

pytorch可以给我们提供两种方式来
切换训练和评估(推断)的模式。分别是：
model.train()和model.eval()


dropout在训练的时候起作用，
在推断的时候被绕过不起作用，
或者等价地，将其概率置为零。

batch normalization 也和dropout一样，
有两种模式，分别对应训练和推断，分别是:
model.eval()和model.train().

以下是原文截图:

dropout:
在这里插入图片描述
batch normalization:

PyTorch官方API截图:
train(mode=True):

eval():