Pytorch evaluation每次运行结果不同的解决
这两天跑测试图时，发现用同样的model，同样的测试图，每次运行结果不同;
经过漫长的debug发现，在netarchiture中有dropout，如下（4）：
(conv_block):Sequential( (0):ReflectionPad2d((1,1,1,1)) (1):Conv2d(256,256,kernel_size=(3,3),stride=(1,1)) (2):InstanceNorm2d(256,eps=1e-05,momentum=0.1,affine=False) (3):ReLU(inplace) (4):Dropout(p=0.5) (5):ReflectionPad2d((1,1,1,1)) (6):Conv2d(256,256,kernel_size=(3,3),stride=(1,1)) (7):InstanceNorm2d(256,eps=1e-05,momentum=0.1,affine=False) )
在跑evaluation的时候，因为dropout的存在，每次运行会随机丢一些中间结果，从而导致最终结果有差异;
可以在evaluation过程中，使用eval()class强制丢掉random的内容，code如下：
self.fake_B=self.netG.eval().forward(self.real_A)
以上这篇Pytorchevaluation每次运行结果不同的解决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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。