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預(yù)測(cè)之解決多次預(yù)測(cè)結(jié)果不一致問(wèn)題

 更新時(shí)間:2021年06月01日 08:40:15   作者:confusingbird  
這篇文章主要介紹了pytorch多次預(yù)測(cè)結(jié)果不一致的解決方案,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

為什么多次預(yù)測(cè)結(jié)果不一致

1、檢查是否在每次預(yù)測(cè)前使用

model.eval()

或者是

with torch.no_grad():
   for ...

推薦下面的方法,上面的的方法計(jì)算梯度,但是并不反向傳播,下面的方法既不計(jì)算梯度,也不反向傳播,速度更快。

2、檢查是否取消了所有的dropout

3、設(shè)置隨機(jī)種子

def setup_seed(seed):
    np.random.seed(seed)
    random.seed(seed)
    torch.manual_seed(seed) #cpu
    torch.cuda.manual_seed_all(seed)  #并行g(shù)pu
    torch.backends.cudnn.deterministic = True  #cpu/gpu結(jié)果一致
    torch.backends.cudnn.benchmark = True   #訓(xùn)練集變化不大時(shí)使訓(xùn)練加速

4、保證實(shí)例化模型前要將is_training置為false;這兩行代碼順序不能顛倒

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

最新評(píng)論