亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

PyTorch dropout設(shè)置訓(xùn)練和測(cè)試模式的實(shí)現(xiàn)

 更新時(shí)間:2021年05月27日 11:31:24   作者:運(yùn)動(dòng)碼農(nóng)  
這篇文章主要介紹了PyTorch dropout設(shè)置訓(xùn)練和測(cè)試模式的實(shí)現(xiàn)方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。

看代碼吧~

class Net(nn.Module):
…
model = Net()
…
model.train() # 把module設(shè)成訓(xùn)練模式,對(duì)Dropout和BatchNorm有影響
model.eval() # 把module設(shè)置為預(yù)測(cè)模式,對(duì)Dropout和BatchNorm模塊有影響

補(bǔ)充:Pytorch遇到的坑——訓(xùn)練模式和測(cè)試模式切換

由于訓(xùn)練的時(shí)候Dropout和BN層起作用,每個(gè)batch BN層的參數(shù)不一樣,dropout在訓(xùn)練時(shí)隨機(jī)失效點(diǎn)具有隨機(jī)性,所以訓(xùn)練和測(cè)試要區(qū)分開來。

使用時(shí)切記要根據(jù)實(shí)際情況切換:

model.train()
model.eval()

補(bǔ)充:Pytorch在測(cè)試與訓(xùn)練過程中的驗(yàn)證結(jié)果不一致問題

引言

今天在使用Pytorch導(dǎo)入此前保存的模型進(jìn)行測(cè)試,在過程中發(fā)現(xiàn)輸出的結(jié)果與驗(yàn)證結(jié)果差距甚大,經(jīng)過排查后發(fā)現(xiàn)是forward與eval()順序問題。

現(xiàn)象

此前的錯(cuò)誤代碼是

    input_cpu = torch.ones((1, 2, 160, 160))
    target_cpu =torch.ones((1, 2, 160, 160))
    target_gpu, input_gpu = target_cpu.cuda(), input_cpu.cuda()
    model.set_input_2(input_gpu, target_gpu)
    model.eval()
    model.forward()

應(yīng)該改為

    input_cpu = torch.ones((1, 2, 160, 160))
    target_cpu =torch.ones((1, 2, 160, 160))
    target_gpu, input_gpu = target_cpu.cuda(), input_cpu.cuda()
    model.set_input_2(input_gpu, target_gpu)
    # 先forward再eval
    model.forward()
    model.eval()

當(dāng)時(shí)有個(gè)疑慮,為什么要在forward后面再加eval(),查了下相關(guān)資料,主要是在BN層以及Dropout的問題。當(dāng)使用eval()時(shí),模型會(huì)自動(dòng)固定BN層以及Dropout,選取訓(xùn)練好的值,否則則會(huì)取平均,可能導(dǎo)致生成的圖片顏色失真。

以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • 解決PyTorch與CUDA版本不匹配的問題

    解決PyTorch與CUDA版本不匹配的問題

    這篇文章主要介紹了解決PyTorch與CUDA版本不匹配的問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2021-03-03
  • 一篇文章入門Python生態(tài)系統(tǒng)(Python新手入門指導(dǎo))

    一篇文章入門Python生態(tài)系統(tǒng)(Python新手入門指導(dǎo))

    原文寫于2011年末,雖然文中關(guān)于Python 3的一些說法可以說已經(jīng)不成立了,但是作為一篇面向從其他語言轉(zhuǎn)型到Python的程序員來說,本文對(duì)Python的生態(tài)系統(tǒng)還是做了較為全面的介紹
    2015-12-12
  • Python中函數(shù)調(diào)用9大方法小結(jié)

    Python中函數(shù)調(diào)用9大方法小結(jié)

    在Python中,函數(shù)是一種非常重要的編程概念,它們使得代碼模塊化、可重用,并且能夠提高代碼的可讀性,本文將深入探討Python函數(shù)調(diào)用的9種方法,需要的可以參考下
    2024-01-01
  • 現(xiàn)代Python編程的四個(gè)關(guān)鍵點(diǎn)你知道幾個(gè)

    現(xiàn)代Python編程的四個(gè)關(guān)鍵點(diǎn)你知道幾個(gè)

    這篇文章主要為大家詳細(xì)介紹了Python編程的四個(gè)關(guān)鍵點(diǎn),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來幫助
    2022-02-02
  • python中精確的浮點(diǎn)數(shù)運(yùn)算示例

    python中精確的浮點(diǎn)數(shù)運(yùn)算示例

    這篇文章主要為大家介紹了python中精確的浮點(diǎn)數(shù)運(yùn)算示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2023-07-07
  • Python StrEnum基本概念和使用場景分析

    Python StrEnum基本概念和使用場景分析

    StrEnum是Python枚舉家族的一個(gè)強(qiáng)大補(bǔ)充,特別適合處理字符串常量,它結(jié)合了枚舉的類型安全性和字符串的靈活性,使得在許多場景下的編程變得更加簡潔和安全,本文將介紹StrEnum的基本概念和使用場景,并通過示例代碼來展示它的實(shí)際應(yīng)用,感興趣的朋友跟隨小編一起看看吧
    2024-07-07
  • ruff check文件目錄檢測(cè)--exclude參數(shù)設(shè)置路徑詳解

    ruff check文件目錄檢測(cè)--exclude參數(shù)設(shè)置路徑詳解

    這篇文章主要為大家介紹了ruff check文件目錄檢測(cè)exclude參數(shù)如何設(shè)置多少路徑詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2023-10-10
  • Python創(chuàng)建7種不同的文件格式的方法總結(jié)

    Python創(chuàng)建7種不同的文件格式的方法總結(jié)

    今天的這篇文章呢,小編來介紹一下如何通過Python來創(chuàng)建各種形式的文件,這里包括了:文本文件、CSV文件、Excel文件、壓縮文件、XML文件、JSON文件和PDF文件,需要的可以參考一下
    2023-01-01
  • Python中通過property設(shè)置類屬性的訪問

    Python中通過property設(shè)置類屬性的訪問

    為了達(dá)到類似C++類的封裝性能,可以使用property來設(shè)置Python類屬性的訪問權(quán)限,本文就介紹一下Python中通過property設(shè)置類屬性的訪問,感興趣的可以了解一下,感興趣的可以了解一下
    2023-09-09
  • 卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展及各模型的優(yōu)缺點(diǎn)及說明

    卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展及各模型的優(yōu)缺點(diǎn)及說明

    這篇文章主要介紹了卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展及各模型的優(yōu)缺點(diǎn)及說明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-02-02

最新評(píng)論