PyTorch dropout設置訓練和測試模式的實現(xiàn)
看代碼吧~
class Net(nn.Module): … model = Net() … model.train() # 把module設成訓練模式,對Dropout和BatchNorm有影響 model.eval() # 把module設置為預測模式,對Dropout和BatchNorm模塊有影響
補充:Pytorch遇到的坑——訓練模式和測試模式切換
由于訓練的時候Dropout和BN層起作用,每個batch BN層的參數(shù)不一樣,dropout在訓練時隨機失效點具有隨機性,所以訓練和測試要區(qū)分開來。
使用時切記要根據(jù)實際情況切換:
model.train() model.eval()
補充:Pytorch在測試與訓練過程中的驗證結(jié)果不一致問題
引言
今天在使用Pytorch導入此前保存的模型進行測試,在過程中發(fā)現(xiàn)輸出的結(jié)果與驗證結(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()
當時有個疑慮,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。當使用eval()時,模型會自動固定BN層以及Dropout,選取訓練好的值,否則則會取平均,可能導致生成的圖片顏色失真。
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(guān)文章
一篇文章入門Python生態(tài)系統(tǒng)(Python新手入門指導)
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)
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編程的四個關(guān)鍵點你知道幾個
這篇文章主要為大家詳細介紹了Python編程的四個關(guān)鍵點,文中示例代碼介紹的非常詳細,具有一定的參考價值,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
ruff check文件目錄檢測--exclude參數(shù)設置路徑詳解
這篇文章主要為大家介紹了ruff check文件目錄檢測exclude參數(shù)如何設置多少路徑詳解,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)
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
卷積神經(jīng)網(wǎng)絡的發(fā)展及各模型的優(yōu)缺點及說明
這篇文章主要介紹了卷積神經(jīng)網(wǎng)絡的發(fā)展及各模型的優(yōu)缺點及說明,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2023-02-02

