【pytorch】model.train和model.eval用法及区别详解

使用PyTorch进行训练和测试时一定注意要把实例化的model指定train/eval，eval()时，框架会自动把BN和DropOut固定住，不会取平均，而是用训练好的值，不然的话，一旦test的batch_size过小，很容易就会被BN层导致生成图片颜色失真极大！

Class Inpaint_Network()
 ......
Model = Inpaint_Nerwoek()

#train:
Model.train(mode=True)
.....
#test:
Model.eval()

1.model.train()
启用 BatchNormalization 和 Dropout。

2.model.eval()
不启用 BatchNormalization 和 Dropout。

训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有batch normalization层所带来的的性质。

在做one classification的时候，训练集和测试集的样本分布是不一样的，尤其需要注意这一点。