model.train()与model.val()

一、问题描述

1. 需要将mmpose框架下训练的模型单独保存出来，做后续处理。
2. 用torch.save()直接保存模型mmpose_model.pt，然后重新搭建模型，把保存的模型参数加载进去，得到scratch_model.pt
3. 使用scratch_model.pt进行推理，与mmpose_model.pt推理结果不同。二者都转成onnx模型后，推理结果与mmpose_model.pt的推理结果相同。

二、问题分析

mmpose_model.pt与scratch_model.pt的数据预处理以及输出的后处理是一致的，所以应该是模型加载的时候有问题。
查资料发现，使用scratch_model.pt进行推理的时候，没有加model.eval()

二、model.train()与model.val()区别

1. 参考https://blog.csdn.net/libaominshouzhang/article/details/119741474
2. 参考https://blog.csdn.net/qq_38410428/article/details/101102075
   model.train()与model.val()在处理BatchNormalization和Dropout层时候的机制不同。
   model.train()时，BatchNormalization的参数会根据输入更新，Dropout使输入以p的概率参与计算
   model.eval()时，BatchNormalization的参数则会固定，与保存的值一致，Dropout不起作用，所有输入参与计算