model.train()和model.eval()

model.train()：进入训练状态,让你的模型知道现在正在训练
model.eval()：让你的模型知道自己正在进行预测或者测试,等效于model.train(false),

两种不同状态下，batchnorm层和dropout层是不同的
训练模式下：（1）BatchNorm layers use per-batch statistics，即BatchNorm 层利用每个 batch 
                来统计（用到每一批数据的均值和方差）
          （2）Dropout layers activated，即Dropout 层激活，启用Dropout
预测模式下（或者说推理模式下）：（1）BatchNorm layers use running statistics，BN层用全部训
                                   练数据的均值和方差，即测试过程中BN层的均值和方差不变
                              （2）Dropout layers de-activated，即Dropout 层不激活，
                                   不启用Dropout，利用到了 所有 网络连接，即不进行随机舍弃
                                    神经元
                               总之：model.eval()会把权重值给固定住，用训练好的值