PyTorch中model.eval()具体作用是什么？

本文共计307个文字，预计阅读时间需要2分钟。

训练完train_datasets后，model需测试样本了。在model(test_datasets)前，需加上model.eval()。否则的话，有输入数据，即使未训练，它也会改变权重值。这是model中含有batch normalization层导致的。

训练完train_datasets之后，model要来测试样本了。在model(test_datasets)之前，需要加上model.eval(). 否则的话，有输入数据，即使不训练，它也会改变权值。

这是model中含有batch normalization层所带来的的性质。

在做one classification的时候，训练集和测试集的样本分布是不一样的，尤其需要注意这一点。