训练准确度非常高，推理同一张却每次结果不一样?

最新推荐文章于 2024-03-17 10:08:12 发布
最新推荐文章于 2024-03-17 10:08:12 发布
阅读量419 收藏
点赞数
文章标签： 深度学习 python 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_55542491/article/details/130134757
版权

话说，我在用resnet进行分类训练的时候，发现训练输出准确度都能达到99，推理却每次不一样。

细心的我很快就发现了问题：我用gpu训练的，保存的当然是gpu模型。推理确实直接用了cpu,所以模型加载错误，当然不对了。

解决：

torch.load("path to model", map_location="cpu")

犟小孩
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
论文研究-一种基于可信度的不确定性推理及其神经网络实现.pdf
07-22
提出了基于可信度因子和可信度区间的不确定性推理模型，并用改进的BP神经网络实现其推理过程，最后利用MATLAB神经网络工具箱给出仿真示例。改进的BP神经网络在实现不确定性推理方面有效避免了沿用传统方法所带来的...
中文识别高精度推理模型
10-13
中文识别高精度推理模型
输入同一张图片，SSD的ckpt模型或pb模型，输出结果前后不一致
云中寻雾的博客
07-16 518
1。 问题：输入一张图片，经过ckpt,两次运行结果，六层的predition与location的两次结果有轻微差异； 输入一张图片，经过pb,两次运行结果，六层的predition与location的两次结果有轻微差异但比ckpt的差异大； 这个问题不知道为什么，微信好友的答复如下：，但是还是没有理解透彻，希望大家留言各抒己见 ...
pytorch 模型同一轮两次预测结果不一样_PyTorch称霸学界，TensorFlow固守业界，ML框架之争将走向何方？...
weixin_39948824的博客
11-25 510
选自The Gradient作者：Horace He机器之心编译参与：张倩、郑丽慧2019 年，ML 框架之争只剩两个实力玩家：PyTorch 和 TensorFlow。研究者大批涌向 PyTorch，而业界的首选仍然是 TensorFlow。未来，谁能在 ML 框架之争中迎来「高光时刻」？自 2012 年深度学习再度成为焦点以来，很多机器学习框架成为研究者和业界工作者的新宠。从早期的学术框架 C...
【PyTorch】基础学习：一文详细介绍 torch.load() 的用法和应用
创作高质量博文，分享知识，共同进步！
03-17 2626
🔥掌握PyTorch核心技能，一文读懂torch.load()的奥秘！💡 🌟深度解读torch.load()基本概念，让你快速上手！📚 🚀探索torch.load()高级用法，轻松应对复杂场景！💡 🔄torch.load()与torch.save()的完美配合，实现模型的无缝迁移！🔄 🔍常见问题一网打尽，让你避免踩坑！💣 🌐torch.load()在实际项目中大放异彩，助你一臂之力！🚀 💼总结与展望，让你站在巨人的肩膀上，看得更远！🔭 #PyTorch学习 #torch.loa
pytorch 模型同一轮两次预测结果不一样_2020年的最新深度学习模型可解释性综述[附带代码]...
weixin_39714849的博客
11-13 572
最近low-level vision的炼丹经常出现各种主观评测上的效果问题，无法定位出其对于输入数据的对应关系，出现了问题之后很难进行针对性解决。这个时候一个很自然的问题就是，都2020年了，深度学习的可解释性到底发展到什么地步了？对于模型的可解释性而言，很难做到像解数学题一样，每一步都能给出有效的解释。于是就查阅了下模型解释性相关的论文，从2012年开始，主要还是以高引用作为主要的参考因素。整个...
pytorch 模型同一轮两次预测结果不一样_从0构造一个足球预测模型
weixin_39621774的博客
11-25 624
在《足球赛果预测方法与机器学习的分享》提到构建预测模型的一般步骤,从定义问题->确定要处理的数据->整合成算法逻辑->回测链条完成预测模型，今天小编就照套路完成前面两部完成一次预测模型的尝试。定义问题足球标准赛果有胜/负/平，在一些玩法当中也接受半场结果还有比分结果等方式。既然从零开始，就从最简单的标准玩法做起。众所周知，足球是有主场优势的——即“胜”这个赛果更容易打出...
【Pytorch Debug】加载保存模型 每次推理结果都不同 / unexpected_keys或者missing_keys / torch.nn.DataParallel( ).cuda()
weixin_46318945的博客
10-29 2234
【bug描述】：模型为仅保存参数的模型，已确定加载语句 “没有问题” ，且每次测试的图片数据固定，但是每次推理得到的结果都不一样。 【bug分析】：实际上在加载模型并不是完全没有问题，在使用如下加载语句时出现 cnn.load_state_dict(torch.load(os.path.join(MODEL_PATH,"model.pth"))['model']) #保存语句如下： #torch.save({ # 'model':cnn.state_dict(), # 'optimiz.
高级人工智能-不确定性推理.ppt
06-03
讲得很好，介绍很详细，共128页 1、概述 2、概率论基础 3、Bayes网络 4、主观Bayes方法 5、确定性方法 6、证据理论
中文检测高精度推理模型
10-13
中文检测高精度推理模型
同时显示推理结果和标注结果在一张图片上
最新发布
04-27
同时显示推理结果和标注结果在一张图片上
paddle ocr 训练预测模型和推理模型识别结果不一致
陆安的博客
11-18 2203
注掉./tools/infer/predict_rec.py 的
pytorch中model.eval的作用
热门推荐
大山的专栏
05-09 3万+
pytorch中model.eval()的作用 问题描述： torch.onnx.export()导出onnx模型后，利用onnxruntime加载onnx模型后，其输出结果与原始.pth模型的输出结果之间存在很大的差距；通过拆分网络结构，定位到nn.BatchNorm2d()层导致； Batch Normalization和Dropout Batch Normalization 其作用对网络中间的每层进行归一化处理，并且使用变换重构（Batch Normalization Transform）保证每层提
pytorch 加载模型后测试的同一条数据得到的结果不一样
凝眸伏笔的博客
11-12 1万+
问题现场： 背景：Python3.6，pytorch1.+，使用huggingface.co工具去finetuning bert模型，在多gpu上训练保存模型，在cpu上加载去做预测。 加载模型，对同一条数据测试结果不一样。 当时检查了：1 1.模型的状态是否是model.eval()?————不是这个问题 2.是否使用torch.no_grad()，这句代码的意思是使得本次过的样本不会更新梯度。————不是这个问题 model.eval() with torch.no_grad(): .
模型每次跑的结果不同怎么办？
阿财是小白的博客
11-18 1万+
模型每次跑的结果不同怎么办？1、首先设置种子2、逐步检查3、可能出错的地方 我使用pytorch跑深度学习模型时发现每次跑的结果都不一样，所以在此总结了一下如何解决的方法。 1、首先设置种子 在代码中加入下面这个函数方法： def set_random_seed(seed, deterministic=False): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual
深度学习过程中测试准确率先上升后下降是为什么？
qq_51570094的博客
09-11 8402
在初始训练阶段，模型逐渐开始学习到一些信息，因而在验证集上的表现是提升的，在到达某一点后，模型接着训练则会更加的去关注一些细枝末节的东西，即模型表达更加多。1.早停，既然模型在某一点时达到最优，那么就设置模型在最优点附近停止训练。在整个训练过程中，虽然说模型出现了过拟合，但是其在训练集上的损失还是趋于平稳的，并不会说因为过拟合而导致损失波动。在训练过程中的验证准确率前上升，后下降，即在验证集上的表现先好后差。3.改变数据，使数据更加复杂，多变，适应模型，也能取得不错的效果。2.为模型增加惩罚项，即正则化。
【MindSpore产品】GPU下训练好的模型，直接推理结果nan，没有相关log指示错误
weixin_45666880的博客
06-19 520
问题描述：配置GPU ：context.set_context(device_target="GPU")得到下图nan推理结果我目前模型在CPU下训练，推理都没问题。在GPU环境一下可以正常训练，但是推理阶段出来的结果都是nan。与CPU 唯一不同的是‘CPU’改成‘GPU’： context.set_context(device_target="GPU")关键是也不报错，pycharm中 debug时在 模型的def construct里加断点，但是没用断不住，实在没招了，求助各位大佬~解答：1. 需要设
在windows上用gpu训练paddleocr模型所有遇到的坑与解决办法
Mintary的博客
06-08 3770
报错信息大概如图片所示，它会指明具体的报错文件路径与报错的行数，** 只需要将这些报错的import代码行注释掉即可**，我看了下这些缺少的都是utils文件夹内的文件，最新版根本就没有，是paddle库自己问题，这些用来import的包，大概都是用来写log的，注释掉并不会产生什么影响，然后代码里用到关于这个包的函数都是用来写log的，我直接将这些函数用print代替，这个报错就完美解决掉了。到https://www.lfd.uci.edu/~gohlke/pythonlibs/下载相对应的版本即可。
深度学习推理每次结果不一样怎么解决
06-10
深度学习模型每次推理结果不一致可能是由于模型的随机性、输入数据的变化、模型参数的不同等原因导致的。针对这个问题，可以考虑以下几种解决方案： 1. 设置随机种子：通过设置随机种子可以使得模型每次运行时的随机结果保持一致，从而消除随机性对结果的影响。 2. 对输入数据进行预处理：对输入数据进行标准化、归一化等预处理操作，可以减少输入数据的变化对结果的影响。 3. 模型集成：通过融合多个不同的模型结果来得到更加稳定的预测结果。 4. 模型调优：通过调整模型参数、结构等来提高模型的泛化能力，从而减少推理结果的变化。 综上所述，深度学习推理结果不一致的问题可以通过上述方法来解决。

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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