解決Pytorch中的神坑:關于model.eval的問題
有時候使用Pytorch訓練完模型,在測試數(shù)據(jù)上面得到的結果令人大跌眼鏡。
這個時候需要檢查一下定義的Model類中有沒有 BN 或 Dropout 層,如果有任何一個存在
那么在測試之前需要加入一行代碼:
#model是實例化的模型對象 model = model.eval()
表示將模型轉變?yōu)閑valuation(測試)模式,這樣就可以排除BN和Dropout對測試的干擾。
因為BN和Dropout在訓練和測試時是不同的:
對于BN,訓練時通常采用mini-batch,所以每一批中的mean和std大致是相同的;而測試階段往往是單個圖像的輸入,不存在mini-batch的概念。所以將model改為eval模式后,BN的參數(shù)固定,并采用之前訓練好的全局的mean和std;
對于Dropout,訓練階段,隱含層神經(jīng)元先乘概率P,再進行激活;而測試階段,神經(jīng)元先激活,每個隱含層神經(jīng)元的輸出再乘概率P。
如下圖所示:
補充:pytorch中model.eval之后是否還需要model.train的問題
答案是:需要的
正確的寫法是
for循環(huán)之后再開啟train,
循環(huán)之后的評估m(xù)odel.eval之后就會再次回到model.train
以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
Pytorch實現(xiàn)Fashion-mnist分類任務全過程
這篇文章主要介紹了Pytorch實現(xiàn)Fashion-mnist分類任務全過程,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2022-12-12python機器學習庫scikit-learn:SVR的基本應用
這篇文章主要介紹了python機器學習庫scikit-learn:SVR的基本應用,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2019-06-06配置python連接oracle讀取excel數(shù)據(jù)寫入數(shù)據(jù)庫的操作流程
這篇文章主要介紹了配置python連接oracle,讀取excel數(shù)據(jù)寫入數(shù)據(jù)庫,本文通過實例代碼給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2021-03-03