torch eval() 精度下降

torch模型使用eval模式测试时，可能精度下降非常大，我也遇到了这个问题，在不使用eval()的情况下，模型识别是期望的结果，但是一旦加上eval就会变得很差。
我也找了许多参考资料，大致明白是模型结构里有 BatchNorm 或者 DropOut 导致的问题，但是没找到适合我的解决方式。

然后，这里仅仅是我自己瞎改，找资料后瞎改的，我也不知道细致的原因，也不想知道

我是使用预训练好的模型做测试的，

那么我这里的解决方式就是：

batch_norm = BatchNorm1d(略, 略,track_running_stats=False)

将模型结构里的BatchNorm的track_running_stats设为False，
然后加载模型权重参数时：

model.load_state_dict(load(weight_path, map_location=device), strict=False)

加上 strict = False，这样设置后，使用model.eval()后就没问题了，具体原因我不知道

这仅仅是一个解决问题的小小参考。

如果模型使用eval()会导致精度有问题的话，那么在部署模型为onnx时，onnx模型会和使用eval出现同样的精度问题，也就是说，如果onnx模型的精度大幅下降，也可能是原本torch模型使用eval就有精度问题。

最后，这些只是我，瞎猫碰死耗子的解决方式。