pytorch 예측 의 해결 여러 차례 예측 결과 불일치 문제
1.매번 예측 전에 사용 하 는 지 확인
model.eval()
혹은
with torch.no_grad():
for ...
아래 의 방법 을 추천 합 니 다.위의 방법 은 경사도 를 계산 하지만 역방향 으로 전파 되 지 않 습 니 다.아래 의 방법 은 경사도 도 계산 하지 않 고 역방향 으로 전파 되 지 않 으 며 속도 가 빠 릅 니 다.2,모든 dropout 취소 여부 확인
3.랜 덤 피 드 설정
def setup_seed(seed):
np.random.seed(seed)
random.seed(seed)
torch.manual_seed(seed) #cpu
torch.cuda.manual_seed_all(seed) # gpu
torch.backends.cudnn.deterministic = True #cpu/gpu
torch.backends.cudnn.benchmark = True #
4.실례 화 모델 을 확보 하기 전에 istraining 을 false 로 설정 하기;이 두 줄 의 코드 순 서 는 뒤 바 꿀 수 없다.이상 은 개인 적 인 경험 이 므 로 여러분 에 게 참고 가 되 기 를 바 랍 니 다.여러분 들 도 저 희 를 많이 응원 해 주시 기 바 랍 니 다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
정확도에서 스케일링의 영향데이터셋 스케일링은 데이터 전처리의 주요 단계 중 하나이며, 데이터 변수의 범위를 줄이기 위해 수행됩니다. 이미지와 관련하여 가능한 최소-최대 값 범위는 항상 0-255이며, 이는 255가 최대값임을 의미합니다. 따...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.