Posted in Python onJanuary 02, 2020
这两天跑测试图时,发现用同样的model,同样的测试图,每次运行结果不同;
经过漫长的debug发现,在net architure中有dropout,如下(4):
(conv_block): Sequential( (0): ReflectionPad2d((1, 1, 1, 1)) (1): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1)) (2): InstanceNorm2d(256, eps=1e-05, momentum=0.1, affine=False) (3): ReLU(inplace) (4): Dropout(p=0.5) (5): ReflectionPad2d((1, 1, 1, 1)) (6): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1)) (7): InstanceNorm2d(256, eps=1e-05, momentum=0.1, affine=False) )
在跑evaluation的时候,因为dropout的存在,每次运行会随机丢一些中间结果,从而导致最终结果有差异;
可以在evaluation过程中,使用eval() class强制丢掉random的内容,code如下:
self.fake_B = self.netG.eval().forward(self.real_A)
以上这篇Pytorch evaluation每次运行结果不同的解决就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。
Pytorch evaluation每次运行结果不同的解决
- Author -
kangk_521声明:登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。
Reply on: @reply_date@
@reply_contents@