这篇文章主要介绍了Pytorch中model.eval()的作用是什么的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Pytorch中model.eval()的作用是什么文章都会有所收获，下面我们一起来看看吧。model.eval() 作用等同于 self.train(False)简而言之，就是评估模式。而非训练模式。在评估模式下，batchNorm层，dropout层等用于优化训练而添加的网络层会被关闭，从而使得评估时不会发生偏移。在对模型进行评估时，应该配合使用with torch.no_grad() 与 model.eval()：最近在写代码时遇到一个问题，原本训练好的模型，加载进来进行inference准确率直接掉了5个点，这简直不能忍啊～下意识地感知到我肯定又在哪里写了bug了～～～于是开始到处排查，从model load到data load，最终在一个被我封装好的module的犄角旮旯里找到了问题，于是顺便就在这里总结一下，避免以后再犯。对于训练好的模型加载进来准确率和原先的不符，datamodel.state_dict()数据方面，检查前后两次加载的data有没有发生变化。首先检查 transforms.Normalize 使用的均值和方差是否和训练时相同；另外检查在这个过程中数据是否经过了存储形式的改变，这有可能会带来数据精度的变化导致一定的信息丢失。比如我过用的其中一个数据集，原先将图片存储成向量形式，但其对应的是“png”格式的数据（后来在原始文件中发现了相应的描述。），而我进行了一次data-to-img操作，将向量转换成了“jpg”形式，这时加载进来便造成了掉点。第一方面造成的掉点一般不会太严重，第二方面造成的掉点就比较严重了，一旦模型的参数加载错了，那就误差大了。如果是参数没有正确加载进来则比较容易发现，这时准确率非常低，几乎等于瞎猜。而我这次遇到的情况是，准确率并不是特别低，只掉了几个点，检查了多次，均显示模型参数已经成功加载了。后来仔细查看后发现在其中一次调用模型进行inference时，忘了写 ‘model.eval()’，造成了模型的参数发生变化，再次调用则出现了掉点。于是又回顾了一下model.eval()和model.train()的具体作用。如下：model.train() 和 model.eval() 一般在模型训练和评价的时候会加上这两句，主要是针对由于model 在训练时和评价时 Batch Normalization 和 Dropout 方法模式不同：a) model.eval()，不启用 BatchNormalization 和 Dropout。此时pytorch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，很容易就会因BN层导致模型performance损失较大；b) model.train() ：启用 BatchNormalization 和 Dropout。 在模型测试阶段使用model.train() 让model变成训练模式，此时 dropout和batch normalization的操作在训练q起到防止网络过拟合的问题。因此，在使用PyTorch进行训练和测试时一定要记得把实例化的model指定train/eval。虽然二者都是eval的时候使用，但其作用并不相同：model.eval() 负责改变batchnorm、dropout的工作方式，如在eval()模式下，dropout是不工作的。见下方代码：torch.no_grad() 负责关掉梯度计算，节省eval的时间。只进行inference时，model.eval()是必须使用的，否则会影响结果准确性。 而torch.no_grad()并不是强制的，只影响运行效率。关于“Pytorch中model.eval免费云主机域名()的作用是什么”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“Pytorch中model.eval()的作用是什么”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注百云主机行业资讯频道。
本文小编为大家详细介绍“php怎么进行进制转换补位”，内容详细，步骤清晰，细节处理妥当，希望这篇“php怎么进行进制转换补位”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。 php进行进制转免费云主机域名换补位的方法：1、通过bino…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
