Pytorch evaluation每次运行结果不同的解决

(编辑：jimmy 日期: 2024/11/20 浏览：3 次 )

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net architure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Pytorch evaluation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。

上一篇：pytorch: Parameter 的数据结构实例
下一篇：Python测试线程应用程序过程解析