有BN层的模型，在测试时应该如何设置

问题描述

目前使用mindcv中的InceptionV3模型在MINIST数据集上训练（直接将MINIST数据集resize为299*299），结果发现如果在model.set_train(True)的情况下进行评估可以轻松达到98%+的准确率，但是如果是model.set_train(False)的情况下评估，准确率只有10%左右（约等于瞎猜）。

我猜测应该是BN层的问题，但是我不太清楚这个应该怎么处理？如果直接在model.set_train(True)模式下进行评估的话，这个结果可能不太可靠，可能会与batch_size有关，但是model.set_train(False)下的结果又是完全不可接受的。

启智平台，启算调试环境 镜像：mindspore2.0.0rc1_cann_6.3.rc1.alpha001_notebook

额外安装了 mindcv 0.3版本

解答

inceptionv3在mindcv是根据imagenet数据集进行调参的，更换数据集也需要相应调整参数，MNIST有官方的教程可以参考：https://www.mindspore.cn/tutorials/zh-CN/r2.2/beginner/quick_start.html

set_train 在eval期间必须保持False计算结果才是正确的

更多调参攻略可以参考官网指南：https://www.mindspore.cn/docs/zh-CN/r2.2/migration_guide/debug_and_tune.html