完整的训练套路(三) train() eval()

1. 什么是tain() eval()

• 在许多代码中我们经常会看到模型开始训练前会先进行一个 model.train()， 模型的测试之前会有一行 model.eval()

• 官方文档 https://pytorch.org/docs/stable/generated/torch.nn.Module.html#torch.nn.Module 中给出的大致说明是：如果构建的网络中存在部分特殊层例如 Dropout BatchNorm等，train() eval()的调用是十分必要的

  

  

2. 如何使用

• model.train() 的位置就是在开启模型的训练之前

  for i in range(epoch):   
      # start train
      model.train()
      for data in train_dataloader:
          pass
  

• model.eval() 的位置就是在开始对测试集进行测试之前

  for i in range(epoch):   
      # start train
      model.train()
      for data in train_dataloader:
          pass
      
      # test model
      model.eval()
      with torch.no_grad(): # 不进行梯度调优
          for data in test_dataloader:
              pass