6.6.2 模型训练

f isinstance(net, nn.Module):
        net.eval()  # 设置为评估模式
        if not device:
            device = next(iter(net.parameters())).device

对于这段代码，作用如下

• net.eval()设置为评估模式之后，某些层（如 Dropout 和 BatchNorm）的行为会与训练模式不同。例如：

  • Dropout 层在评估模式下不会随机丢弃神经元。
  • BatchNorm 层在评估模式下会使用训练时计算的均值和方差，而不是当前批次的统计量。

  net.train()的行为就完全与上面的相反

• device = next(iter(net.parameters())).device是在获取当前网络所在的设备（CPU或者GPU）。从后面的代码来看，我们最开始是在GPU上面建立的网络，所以这里device会是GPU。注意，net.parameters()返回的是一个容器（不是一个列表，所以net.parameters()[0]是错误的），iter(net.parameters())是将这个容器转变为可迭代对象，next(iter(net.parameters()))是在获取第一个参数