主頁 > 知識庫 > pytorch預測之解決多次預測結(jié)果不一致問題

pytorch預測之解決多次預測結(jié)果不一致問題

熱門標簽:美圖手機 網(wǎng)站文章發(fā)布 銀行業(yè)務 鐵路電話系統(tǒng) 呼叫中心市場需求 智能手機 檢查注冊表項 服務器配置

為什么多次預測結(jié)果不一致

1、檢查是否在每次預測前使用

model.eval()

或者是

with torch.no_grad():
   for ...

推薦下面的方法,上面的的方法計算梯度,但是并不反向傳播,下面的方法既不計算梯度,也不反向傳播,速度更快。

2、檢查是否取消了所有的dropout

3、設置隨機種子

def setup_seed(seed):
    np.random.seed(seed)
    random.seed(seed)
    torch.manual_seed(seed) #cpu
    torch.cuda.manual_seed_all(seed)  #并行gpu
    torch.backends.cudnn.deterministic = True  #cpu/gpu結(jié)果一致
    torch.backends.cudnn.benchmark = True   #訓練集變化不大時使訓練加速

4、保證實例化模型前要將is_training置為false;這兩行代碼順序不能顛倒

以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。

您可能感興趣的文章:
  • Pytorch evaluation每次運行結(jié)果不同的解決
  • pytorch加載預訓練模型與自己模型不匹配的解決方案
  • 關于pytorch處理類別不平衡的問題
  • pytorch模型預測結(jié)果與ndarray互轉(zhuǎn)方式

標簽:紅河 沈陽 上海 樂山 滄州 新疆 長治 河南

巨人網(wǎng)絡通訊聲明:本文標題《pytorch預測之解決多次預測結(jié)果不一致問題》,本文關鍵詞  ;如發(fā)現(xiàn)本文內(nèi)容存在版權問題,煩請?zhí)峁┫嚓P信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡,涉及言論、版權與本站無關。
  • 相關文章
  • 收縮
    • 微信客服
    • 微信二維碼
    • 電話咨詢

    • 400-1100-266