Pytorch中如何实例化模型以切换其train模式和eval模式？

本文共计305个文字，预计阅读时间需要2分钟。

原因 + 对于包含batch normalization或Dropout层的模型来说，训练时的forward和验证时的forward在计算上是不同的，因为在前向传播过程中需要指定模型是在训练状态还是验证状态。+ 源代码 + [d]

原因

对于一些含有batch normalization或者是Dropout层的模型来说，训练时的froward和验证时的forward有计算上是不同的，因此在前向传递过程中需要指定模型是在训练还是在验证。

源代码

[docs] def train(self, mode=True): r"""Sets the module in training mode. This has any effect only on certain modules. See documentations of particular modules for details of their behaviors in training/evaluation mode, if they are affected, e.g. :class:`Dropout`, :class:`BatchNorm`, etc. Returns: Module: self """ self.training = mode for module in self.children(): module.train(mode) return self [docs] def eval(self): r"""Sets the module in evaluation mode. This has any effect only on certain modules. See documentations of particular modules for details of their behaviors in training/evaluation mode, if they are affected, e.g. :class:`Dropout`, :class:`BatchNorm`, etc. """ #该方法调用了nn.train()方法，把参数默认值改为false. 增加聚合性 return self.train(False)

在使用含有BN层，dropout层的神经网路来说，必须要区分训练和验证

以上这篇pytorch 模型的train模式与eval模式实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。