pytorch:model.train和model.eval用法和区别

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()

model.train()
启用 BatchNormalization和Dropout
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，它也会改成权值。这是model中含有batch normalizaition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，尤其注意这一点。

https://people.eecs.berkeley.edu/~tinghuiz/projects/pix2pix/datasets/facades.tar.gz

https://people.eecs.berkeley.edu/~taesung_park/CycleGAN/datasets/monet2photo.zip