Pytorch中net.eval与net.train

我发现在有些网络中会存在net.eval()与net.train()，但是有一些却没有。查阅了一些说法，现在记录一下。这两个函数只要适用于Dropout与BatchNormalization的网络，会影响到训练过程中这两者的参数

net.train() 

这个一般出现在训练函数中，也就是出现于

def train():
	net.train()
	...

运用net.train()时，训练时每个min-batch时都会根据情况进行上述两个参数的相应调整，所有Batch Normalization的训练和测试时的操作不同。

net.eval()

这个一般出现在测试函数中，也就是出现于

def val():
	net.eval()
	...

运用net.eval()时，由于网络已经训练完毕，参数都是固定的，因此每个min-batch的均值和方差都是不变的，因此直接运用所有batch的均值和方差。
在没有涉及到BN与Dropout的网络，这两个函数存在对于网络性能的影响，好坏不定。