解决Pytorch中的神坑:关于model.eval的问题
更新时间：2021年05月22日 10:17:35 作者：汐梦聆海
这篇文章主要介绍了解决Pytorch中的神坑:关于model.eval的问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
有时候使用Pytorch训练完模型，在测试数据上面得到的结果令人大跌眼镜。
这个时候需要检查一下定义的Model类中有没有 BN 或 Dropout 层，如果有任何一个存在
那么在测试之前需要加入一行代码：
#model是实例化的模型对象 model = model.eval()
表示将模型转变为evaluation（测试）模式，这样就可以排除BN和Dropout对测试的干扰。
因为BN和Dropout在训练和测试时是不同的：
对于BN，训练时通常采用mini-batch，所以每一批中的mean和std大致是相同的；而测试阶段往往是单个图像的输入，不存在mini-batch的概念。所以将model改为eval模式后，BN的参数固定，并采用之前训练好的全局的mean和std；
对于Dropout，训练阶段，隐含层神经元先乘概率P，再进行激活；而测试阶段，神经元先激活，每个隐含层神经元的输出再乘概率P。
如下图所示：
补充：pytorch中model.eval之后是否还需要model.train的问题
答案是：需要的
正确的写法是
for循环之后再开启train，
循环之后的评估model.eval之后就会再次回到model.train
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要为大家详细介绍了Python Opencv实现图片切割处理，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-01-01
这篇文章主要为大家详细介绍了python实现AES加密解密的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-03-03
Python 随机生成中文验证码的实例代码，需要的朋友可以参考一下2013-03-03
这篇文章主要介绍了使用Python随机生成数据的方法,在日常开发中竟然会遇到需要测试大量数据的地方,那么随机生成数据就可以有效的加快我们的效率,通过Python_Faker生成测试数据需要安装Faker包,需要的朋友可以参考下2023-10-10
MySQLdb默认查询结果都是返回tuple，输出时候不是很方便，必须按照0，1这样读取，无意中在网上找到简单的修改方法，就是传递一个cursors.DictCursor就行2012-06-06
Python使用OpenCV对彩色图像进行通道分离的项目实践
通道分离是将彩色图像的每个像素分解为三个通道（红、绿、蓝）的过程,本文主要介绍了Python使用OpenCV对彩色图像进行通道分离的项目实践,感兴趣的可以了解一下2023-08-08
windows10在visual studio2019下配置使用openCV4.3.0
这篇文章主要介绍了windows10在visual studio2019下配置使用openCV4.3.0，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-07-07
这篇文章主要介绍了Python库安装速度过慢解决方案,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-07-07
Python可视化Matplotlib折线图plot用法详解
这篇文章主要为大家介绍了Python可视化中Matplotlib折线图plot用法的详解,有需要的朋友可以借鉴参考下，希望可以有所帮助，祝大家多多进步2021-09-09
这篇文章主要介绍了Python入门教程(二十三)Python的继承,Python是一门非常强大好用的语言,也有着易上手的特性,本文为入门教程,需要的朋友可以参考下2023-04-04
最新评论