pytorch模型保存后性能不一致的原因

问题

模型训练完成并保存后，再新的代码中再读取时预测结果变的不一致。

可能的原因

1. 请检查随机种子是否被确定
2. 请检查模型的保存与读取是否正确

如果这些检查都没有问题，请尝试在原始代码（训练完毕后，测试之前）中重新读取模型文件检查预测结果是否与之前一致。如果一致，说明很可能问题出在随机数上。

随机数

请务必检查代码中是否人为多次使用了随机数相关的代码，当随机种子被固定后，只是固定了随机数出现的顺序，而非固定了随机数

例如当固定随机种子并多次产生随机数后，生成的随机数分别为1，3，4，8，10。无论重复多少次，只要再生成5个数字，那么就是固定的1，3，4，8，10的顺序。

然而，每次产生的随机数并不是一致的，也就是说，代码第一次产生的随机数1和之后产生的随机数不一定相同。因此在网络中如果涉及到随机数，并经过训练（多次迭代）后，再产生的随机数可能与测试时所产生的第一个随机数不同，进而导致模型预测结果不同。