tanking66的博客

Pytorch踩坑记录相同点net.eval()和with toch.no_grad()的相同点：都停止反向传播不同点：1、net.eval()用net.eval（），此时BN层会用训练时的均值和方差。不重新计算输入数据的均值和方差，dropout会让所有激活单元都通过。2、with toch.no_grad()用with no grad()，BN层仍会计算输入数据的方差和均值，DropOut会按照设定的比例停止某些激活单元的传输。对于测试集来说，要使用net.eval，因为使用with n

torch.max的维度变换torch.max()例子创建一个随机tensortorch.mean()同理torch.max()返回输入张量所有元素的最大值。例子torch.max(input, dim, max=None, max_indices=None) -> (Tensor, LongTensor)dim=0,列的最大值，dim=1,行的最大值，dim=-1，倒数第一个size维度上的最大值创建一个随机tensor a=torch.tensor([[1,5,62,54],