为GAN分别设置Dropout层与BN层的模式（pytorch）

应用场景是基于GAN进行图像生成时，Dropout层本身就可以被视为一种噪声输入用于增加生成图像的多样化，而BN层在只有单张图片seed输入时会报错。
因此，在完成训练后，实际使用场合中，需要将Dropout层设置为train模式，而BN层设置为eval模式，因此需要对模型整体调整后，再对部分层单独调整。

代码写法参考来源：BN的train,eval模式踩坑记录

实际写法（或者整体设置为测试模型再将Dropout层设置为训练模式）：

# 需要设置为训练模式，以通过dropout产生更多的GAN多样性
# 但是BN层必须被设置为测试模式，以保证输出性能
for G_model in G_models:
    G_model.train()
    for _, module in G_model.named_modules():
        # 将所有BN层设置为测试模式
        if isinstance(module, nn.BatchNorm1d) or isinstance(module, nn.BatchNorm2d):
            module.training = False
return G_models