假設有一個dropout網絡net，訓練過程中用測試集進行了測試，接著將該網絡進行了保存

torch.save(net.state_dict(), path)

然后將保存的網絡加載出來：

net=class_net() # 先定義net的結構 net.load_state_dict(torch.load(path))

接著用同樣的測試集進行測試，發現測試結果和保存時的結果不一致，這是因為dropout網絡會對神經元進行隨機失活，因此測試結果也會不一致。解決方法是在測試函數eval()中設置隨機種子：

torch.manual_seed(42) if self.cuda:torch.cuda.manual_seed(42)

注意一點，不能在dropout網絡的訓練函數/前向傳播函數forward()中設置隨機種子，否則每次前向傳播失活的神經元都是一樣的，失去了dropout的隨機性。而在測試函數eval()中設置隨機種子并不影響網絡的訓練，因為eval()函數不包含網絡的訓練過程。

總結

以上是生活随笔為你收集整理的pytorch加载的模型测试的结果和保存时测试的结果不一致的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。