【未解决】net.train()、net.eval()：将网络中每一层的training分别设置为True和False；数据集的参数train设置为True和False；pretrained=True

1.

net.train()、net.eval()：两者将网络中每一层的training分别设置为True和False

net.train():

如下图所示：

效果是将net的training设置为True

以及net里面的每一层网络的training也设置为True

2.

数据集的参数train设置为True和False：生成文件不同

torchvision.datasets.MNIST（root，train = True，transform = None，target_transform = None，download = False ）
#  参数介绍：
 #root（string） - 数据集的根目录在哪里MNIST/processed/training.pt 和 MNIST/processed/test.pt存在。
 # train（bool，optional） - 如果为True，则创建数据集training.pt，否则创建数据集test.pt。
 #download（bool，optional） - 如果为true，则从Internet下载数据集并将其放在根目录中。如果已下载数据集，则不会再次下载。
 # transform（callable ，optional） - 一个函数/转换，它接收PIL图像并返回转换后的版本。例如，transforms.RandomCrop
 # target_transform（callable ，optional） - 接收目标并对其进行转换的函数/转换。

3.

vgg = models.vgg16_bn(pretrained=True)

加载参数模型