PyTorch中的model.train（）有什么作用？

它会打电话吗 forward()的nn.Module？我以为我们在调用模型时forward会使用方法。为什么我们需要指定train（）？

model.train()告诉模型您正在训练模型。因此，在培训和测试过程中表现不同的有效层（如辍学，batchnorm等）可以知道发生了什么，因此可以相应地表现。

更多详细信息：它设置训练模式（请参阅源代码）。您可以致电model.eval()或model.train(mode=False)告诉您正在测试。期望train功能训练模型有些直观，但是并没有做到这一点。它只是设置模式。

这是以下代码module.train()：

def train(self, mode=True):
        r"""Sets the module in training mode."""      
        self.training = mode
        for module in self.children():
            module.train(mode)
        return self

这是module.eval。

def eval(self):
        r"""Sets the module in evaluation mode."""
        return self.train(False)

模式train和eval是我们可以在其中设置模块的仅有的两种模式，它们是完全相反的。

那只是一个self.training标志，目前仅 辍学，bachnorm关心该标志。

默认情况下，此标志设置为True。

有两种方法可以让模型知道您的意图，即您要训练模型还是要使用模型进行评估。在model.train()模型知道的情况下，它必须学习层，并且当我们使用model.eval()它时，表明该模型没有新知识要学习，并且该模型用于测试。 model.eval()这也是必要的，因为在pytorch中，如果我们使用batchnorm，而在测试过程中，如果我们只想传递单个图像，则pytorch会抛出错误（如果model.eval()未指定）。