Pytorch evaluation每次运行结果不同的解决

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

您可能感兴趣的文章:

• 关于pytorch处理类别不平衡的问题
• Pytorch 数据加载与数据预处理方式