![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
文章平均质量分 71
李昂的
这个作者很懒,什么都没留下…
展开
-
pytorch笔记
BN层有5个参数:bn1.weight、bn1.bias、bn1.running_mean、bn1.running_var、bn1.num_batches_tracked。torch.eq().sum()就是将所有值相加,但是得到的仍然是一个tensor,本例中torch.eq(A,B).sum()得到的结果就是。,最后一步torch.eq(A,B).sum().item()得到的就是这个tensor中的值了,即1。输出的值有两个参数,第一个参数是最大值,第二个参数是最大值的索引(也就是分类label)原创 2022-11-21 21:18:32 · 668 阅读 · 0 评论 -
解决pytorch每次推理预测结果不一致问题
训练时是针对每个mini-batch的,但是测试是针对单张图片的,即不存在batch的概念。不启用 BatchNormalization 和 Dropout,保证BN和dropout不发生变化,pytorch框架会自动把BN和Dropout固定住,不会取平均,而是用训练好的值,不然的话,一旦test的batch_size过小,很容易就会被BN层影响结果。在模型中,我们通常会加上Dropout层和batch normalization层,在模型预测阶段,我们需要将这些层固定住,不会取平均,而是用训练好的值。原创 2022-11-19 15:21:17 · 2791 阅读 · 0 评论