pytorch 模型的train模式与eval模式实例

今天小编就为大家分享一篇pytorch 模型的train模式与eval模式实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

原因

对于一些含有batch normalization或者是Dropout层的模型来说，训练时的froward和验证时的forward有计算上是不同的，因此在前向传递过程中需要指定模型是在训练还是在验证。

源代码

  [docs] def train(self, mode=True):    r"""Sets the module in training mode.      This has any effect only on certain modules. See documentations of    particular modules for details of their behaviors in training/evaluation    mode, if they are affected, e.g. :class:`Dropout`, :class:`BatchNorm`,    etc.      Returns:     Module: self    """    self.training = mode    for module in self.children():     module.train(mode)    return self    [docs] def eval(self):    r"""Sets the module in evaluation mode.      This has any effect only on certain modules. See documentations of    particular modules for details of their behaviors in training/evaluation    mode, if they are affected, e.g. :class:`Dropout`, :class:`BatchNorm`,    etc.    """    #该方法调用了nn.train()方法，把参数默认值改为false. 增加聚合性    return self.train(False)

在使用含有BN层，dropout层的神经网路来说，必须要区分训练和验证

以上这篇pytorch 模型的train模式与eval模式实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持本站。

喜欢 (9)赏

[]

分享 (0)