model.train()在pytorch中做什么?

model.train() 告诉你的模特你正在训练模特。因此,有效的层,如辍学,BatchNorm等,在列车和测试程序上表现不同,知道发生了什么,因此可以相应的表现。

更多细节: 它设置训练模式 (见 source code ). 您可以调用model.eval()或model.train(mode=False)来告诉您正在测试。 期待是有点直觉的 train 函数来训练模型,但它不这样做它只是设定了模式。

这是密码 module.train() :

def train(self, mode=True):
        r"""Sets the module in training mode."""      
        self.training = mode
        for module in self.children():
            module.train(mode)
        return self

这里是 module.eval .

def eval(self):
        r"""Sets the module in evaluation mode."""
        return self.train(False)

模式 train 和 eval 是我们唯一可以设置模块的两种模式,它们正好相反。

那只是一个 self.training 标志和当前 只有 dropout 和 bachnorm 关心那面旗帜。

默认情况下,此标志设置为 True 是的。

有两种方法可以让模型知道您的意图,即您想培训模型还是想使用模型进行评估。 在model.train()的情况下,模型知道它必须学习层,当我们使用model.eval()时,它指示模型不需要学习任何新的内容,并且模型用于测试。 model.eval()也是必需的,因为在pytorch中,如果我们使用batchnorm,并且在测试期间,如果我们只想传递一个图像,那么如果未指定model.eval(),pytorch将抛出一个错误。