pytorch模型之train模式與eval模式的示例分析-創(chuàng)新互聯(lián)

這篇文章主要介紹pytorch模型之train模式與eval模式的示例分析，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

網(wǎng)站建設哪家好，找創(chuàng)新互聯(lián)！專注于網(wǎng)頁設計、網(wǎng)站建設、微信開發(fā)、重慶小程序開發(fā)公司、集團企業(yè)網(wǎng)站建設等服務項目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了錯那免費建站歡迎大家使用！

原因

對于一些含有batch normalization或者是Dropout層的模型來說，訓練時的froward和驗證時的forward有計算上是不同的，因此在前向傳遞過程中需要指定模型是在訓練還是在驗證。

源代碼

[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.
  """
  #該方法調用了nn.train()方法，把參數(shù)默認值改為false. 增加聚合性
  return self.train(False)

在使用含有BN層，dropout層的神經(jīng)網(wǎng)路來說，必須要區(qū)分訓練和驗證

以上是“pytorch模型之train模式與eval模式的示例分析”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注創(chuàng)新互聯(lián)成都網(wǎng)站設計公司行業(yè)資訊頻道！

另外有需要云服務器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

文章標題：pytorch模型之train模式與eval模式的示例分析-創(chuàng)新互聯(lián)
URL網(wǎng)址：http://muchs.cn/article48/depdep.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供外貿建站、定制開發(fā)、搜索引擎優(yōu)化、標簽優(yōu)化、品牌網(wǎng)站建設、網(wǎng)站導航

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)