使用PyTorch進行訓練和測試時一定注意要把實例化的model指定train/eval,eval()時,框架會自動把BN和DropOut固定住,不會取平均,而是用訓練好的值,不然的話,一旦test的batch_size過小,很容易就會被BN層導致生成圖片顏色失真極大!!!!!!
Class Inpaint_Network()
......
Model = Inpaint_Nerwoek()
#train:
Model.train(mode=True)
.....
#test:
Model.eval()
model.train()
啓用 BatchNormalization 和 Dropout
model.eval()
不啓用 BatchNormalization 和 Dropout
訓練完train樣本後,生成的模型model要用來測試樣本。在model(test)之前,需要加上model.eval(),否則的話,有輸入數據,即使不訓練,它也會改變權值。這是model中含有batch normalization層所帶來的的性質。
在做one classification的時候,訓練集和測試集的樣本分佈是不一樣的,尤其需要注意這一點。