pytorch每次分类结果都不同，有细微差异

看了许多大神的经验，做一个总结：

1. 验证测试集的时候开启model.eval() 。
2. 设置随机种子。
3. pytorch框架中模型加载器dataLoader的属性“shuffle”置为“False”。

---

如果想看 具体原因 和 简单实现 可以继续往下看：

1. 验证测试的时候开启model.eval() 。因为可能你的模型中含有 BatchNormalization（批归一化）或 Dropout（舍弃），如果未设置模型为eval模式，则验证时会根据每次的batch调整或Dropout还是随机去掉某些神经元，这不符合我们的要求。如果设置模型为eval后，Batch会设置全部数据的均值，Dropout会全部放开，不会随机率舍弃神经元。简单代码如下：

for epoch in num_epoch:
	
	model.train()
	...