Pytorch：model.train()和model.eval()用法和区别，以及model.eval()和torch.no_grad()的区别

model.train()
启用 Batch Normalization 和 Dropout。
如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout，model.train()是随机取一部分网络连接来训练更新参数。

model.eval()
不启用 Batch Normalization 和 Dropout。
如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。model.eval()是保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元。

原文链接：https://blog.csdn.net/qq_38410428/article/details/101102075

Pytorch：model.train()和model.eval()用法和区别，以及model.eval()和torch.no_grad()的区别

原文：https://www.cnblogs.com/ashiqiaozhoujiaz0712/p/14592690.html