时间:2021-05-22
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。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
问题:用pycharm每次修改代码后第一次运行还是原来的结果,运行第二次的时候才是修改后代码的结果解决:每次修改代码后保存一下即可解决补充:pycharm修改代
我们将会看到一些在Python中使用线程的实例和如何避免线程之间的竞争。你应当将下边的例子运行多次,以便可以注意到线程是不可预测的和线程每次运行出的不同结果。声
最近在学pytorch,在使用数据分批训练时在导入数据是使用了DataLoader在参数num_workers的设置上使程序出现运行没有任何响应的结果,看看代码
如果代码所在的进程中有多个线程在同时运行,而这些线程可能会同时运行这段代码。如果每次运行结果和单线程运行的结果是一样的,而且其他的变量的值也和预期的是一样的,就
你用pyTorch还是用tensorflow?对于不同人群可能有不同的答案,科研人员可能更偏爱pyTorch,因其简单易用,能够快速验证idea来抢占先机发论文