這篇“pytorch測試結果不準確怎么解決”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“pytorch測試結果不準確怎么解決”文章吧。
當我們遇到訓練結果不準確的情況的時候，可能需要檢查一下定義的Model類中有沒有 BN 或 Dropout 層，如果有任何一個存在
#model是實例化的模型對象
model = model.eval()表示將模型轉變為evaluation（測試）模式，這樣就可以排除BN和Dropout對測試的干擾。
對于BN，訓練時通常采用mini-batch，所以每一批中的mean和std大致是相同的；而測試階段往往是單個圖像的輸入，不存在mini-batch的概念。所以將model改為eval模式后，BN的參數固定，并采用之前訓練好的全局的mean和std；
對于Dropout，訓練階段，隱含層神經元先乘概率P，再進行激活；而測試階段，神經元先激活，每個隱含層神經元的輸出再乘概率P。
以上就是關于“pytorch測試結果不準確怎么解決”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
