pytorch 笔记之 model.eval() 和 with torch.no_grad()

model.eval() 负责改变batchnorm、dropout的工作方式，如在eval()模式下，dropout是不工作的。

torch.no_grad() 负责关掉梯度计算，节省eval的时间。

只进行inference时，model.eval() 是必须使用的，否则会影响结果准确性。 而 torch.no_grad() 并不是强制的，只影响运行效率。

一般写为：

# evaluate model:
model.eval()
 
with torch.no_grad():
	...
	out_data = model(data)
	...

实践经验：当我训练模型时候，训练集的精度一直提高，但是验证集和瞎猜一样，我以为可能是过拟合？尝试了精简模型架构，但是依旧如此。这明显不是过拟合问题，最后我发现自己的验证集生成错误了。