【pytorch】同一个模型model.train()和model.eval()模式下的输出完全不同

测试时为什么要使用model.eval() - 小筱痕 - 博客园 (cnblogs.com)

输出不同的原因是由于student模型中的某些层的行为不同。一些层，如dropout和batch normalization，在训练和评估过程中的行为是不同的。

在训练过程中，dropout层会随机将一部分输入置为零，这有助于防止过拟合。dropout层的这种随机性导致模型的输出在不同的训练迭代之间会有所变化。然而，在评估过程中，dropout层不会应用这种随机置零的操作，因此输出是一致的。

另一方面，batch normalization层在训练和评估过程中的行为也是不同的。在训练过程中，batch normalization通过均值和方差对输入批次进行归一化，这有助于更快地收敛和更好的泛化能力。然而，在评估过程中，batch normalization使用从训练阶段学到的统计信息来对输入批次进行归一化。这意味着模型的输出在训练和评估过程中可能会有所不同，因为使用了不同的归一化因子。