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

你可能感兴趣的