如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()，在测试时添加model.eval()。其中model.train()是保证BN层用每一批数据的均值和方差，而model.eval()是保证BN用全部训练数据的均值和方差；而对于Dropout，model.train()是随机取一部分网络连接来训练更新参数，而model.eval()是利用到了所有网络连接。
免责声明！
本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。
猜您在找
Pytorch 中的模式设置：model.eval() 和 model.train()
Pytorch中的model.train()与model.eval()原理和实验分析
pytorch之model.eval()
关于Pytorch中model.train（）
pytorch之 batch_train
pytorch model
[Tensorflow] 使用 tf.train.Checkpoint() 保存 / 加载 keras subclassed model
torch.nn.Module.train() & torch.nn.Module.eval()
sklearn.model_selection 的train_test_split方法和参数
python中eval的使用