您的位置:首页 > 移动 > 资讯 > pytorch 实现在测试的时候启用dropout

pytorch 实现在测试的时候启用dropout

2021-05-27 15:05:53 来源:易采站长站 作者:

pytorch 实现在测试的时候启用dropout,在这里,模式,测试,设为,插入图片

pytorch 实现在测试的时候启用dropout

易采站长站,站长之家为您整理了pytorch 实现在测试的时候启用dropout的相关内容。

我们知道,dropout一般都在训练的时候使用,那么测试的时候如何也开启dropout呢?

在pytorch中,网络有train和eval两种模式,在train模式下,dropout和batch normalization会生效,而val模式下,dropout不生效,bn固定参数。

想要在测试的时候使用dropout,可以把dropout单独设为train模式,这里可以使用apply函数:

def apply_dropout(m):
    if type(m) == nn.Dropout:
        m.train()

下面是完整demo代码:

# coding: utf-8
import torch
import torch.nn as nn
import numpy as np
class SimpleNet(nn.Module):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.fc = nn.Linear(8, 8)
        self.dropout = nn.Dropout(0.5)
    def forward(self, x):
        x = self.fc(x)
        x = self.dropout(x)
        return x
net = SimpleNet()
x = torch.FloatTensor([1]*8)
net.train()
y = net(x)
print('train mode result: ', y)
net.eval()
y = net(x)
print('eval mode result: ', y)
net.eval()
y = net(x)
print('eval2 mode result: ', y)
def apply_dropout(m):
    if type(m) == nn.Dropout:
        m.train()
net.eval()
net.apply(apply_dropout)
y = net(x)
print('apply eval result:', y)

运行结果:

可以看到,在eval模式下,由于dropout未生效,每次跑的结果不同,利用apply函数,将Dropout单独设为train模式,dropout就生效了。

补充:Pytorch之dropout避免过拟合测试

一.做数据

在这里插入图片描述

二.搭建神经网络

三.训练

在这里插入图片描述

四.对比测试结果

注意:测试过程中,一定要注意模式切换

在这里插入图片描述

以上为个人经验,希望能给大家一个参考,也希望大家多多支持易采站长站。

以上就是关于对pytorch 实现在测试的时候启用dropout的详细介绍。欢迎大家对pytorch 实现在测试的时候启用dropout内容提出宝贵意见

微信扫一扫

易采站长站微信账号