解决Pytorch在测试与训练过程中的验证结果不一致问题

引言

今天在使用Pytorch导入此前保存的模型进行测试，在过程中发现输出的结果与验证结果差距甚大，经过排查后发现是forward与eval()顺序问题。

现象

此前的错误代码是

   input_cpu = torch.ones((1, 2, 160, 160))
   target_cpu =torch.ones((1, 2, 160, 160))
   target_gpu, input_gpu = target_cpu.cuda(), input_cpu.cuda()
   model.set_input_2(input_gpu, target_gpu)
   model.eval()
   model.forward()

应该改为

   input_cpu = torch.ones((1, 2, 160, 160))
   target_cpu =torch.ones((1, 2, 160, 160))
   target_gpu, input_gpu = target_cpu.cuda(), input_cpu.cuda()
   model.set_input_2(input_gpu, target_gpu)
   # 先forward再eval
   model.forward()
   model.eval()

当时有个疑虑，为什么要在forward后面再加eval()，查了下相关资料，主要是在BN层以及Dropout的问题。

当使用eval()时，模型会自动固定BN层以及Dropout，选取训练好的值，否则则会取平均，可能导致生成的图片颜色失真。

PyTorch进行训练和测试时一定注意要把实例化的model指定train/eval

使用PyTorch进行训练和测试时一定注意要把实例化的model指定train/eval，eval（）时，框架会自动把BN和DropOut固定住，不会取平均，而是用训练好的值，不然的话，一旦test的batch_size过小，很容易就会被BN层导致生成图片颜色失真极大！！！！！！

eg：

Class Inpaint_Network()
......
Model = Inpaint_Nerwoek()

#train:
Model.train(mode=True)
.....

#test:
Model.eval()

来源：https://blog.csdn.net/weixin_44975887/article/details/103126926