model 可以设置成两种模式,一种是train(),另一种是eval(),
model.train()
该模式下启用 Batch Normalization 和 Dropout;Dropout 会按照给定的概率丢掉一部分信息,Batch Normalization 会继续计算数据的mean和var来更新;
model.eval()
该模式下不启用 Batch Normalization 和 Dropout;Dropout 不会丢失信息,Batch Normalization 会继续计算但是不更新,也就是不进行反向传播(占用资源但是不做事);
torch.no_grad()
用于停止autograd()的计算,但不影响 Batch Normalization 和 Dropout;可以用于提高计算效率,因为做validation用model.eval()不需要更新参数,那就没有比较计算梯度了,所以直接关闭这个功能,能减少资源浪费;