Pytorch的net.train 和 net.eval的使用

在训练模型时会在前面加上：

model.train()

在测试模型时在前面使用：

model.eval()

使用PyTorch进行训练和测试时一定注意要把实例化的model指定train/eval，eval（）时，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层导致生成图片颜色失真极大！！！！！！

model.train()
启用 BatchNormalization 和 Dropout

model.eval()
不启用 BatchNormalization 和 Dropout
训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有batch normalization层所带来的的性质。

参考博客:
https://blog.csdn.net/weixin_38410551/article/details/104282103
https://blog.csdn.net/qq_38410428/article/details/101102075