记录Pytorch中的eval()和no_grad()

起源是我训练好了一个模型，新建一个推理脚本加载好checkpoint和预处理输入后推理，发现无论输入是哪一类甚至是随机数，其输出概率总是第一类的值最大，且总是在0.5附近，排查许久，发现是没有加上model.eval()函数。

因为我使用了model.no_grad()，下意识认为不需要加model.eval()，导致发生了本次事故

1、三剑客：train()、eval()、no_grad()

这三个函数实际上很常见，先来简单看下使用方法

1.1 train()

train()是nn.Module的方法，也就是你定义了一个网络model，那么mdoel.train()表示将该model设置为训练模式，一般在开始新epoch训练时，我们会首先执行该命令：

...
model.train()	# 将模型设置为训练模式
for i, data in enumerate(train_loader): # 开始新epoch的训练
	images, labels = data
    images, labels = images.to(device), labels.to(device)
...

1.2 eval()

同train()一样，其用法和含义也一样，eval()是nn.Module的方法，也就是你定义了一个网络model，那么mdoel.eval()表示将该model设置为验证模式，一般在开始验证当前model效果时，我们会首先执行该命令：

...
model.eval()	# 将模型设置为验证模式
for i, data in enumerate(eval_loader): # 在验证集上验证
	images, labels = data
    images, labels = images.to(device), labels.to(device)
...

1.3 no_grad()

no_grad()是torch库的方法，和上下文管理器with来搭配使用。
其作用是禁用梯度计算，当你确定不会调用tensor.backward()时。它将减少计算的内存消耗，否则这些计算将requires_grad=True。
如果设定了no_grad()，即使输入张量属性requires_grad为True，也不会计算梯度

一般我们进行模型验证或者模型推理时，就不需要梯度以及反向传播，所以我们可以在torch.no_grad()上下文管理器中执行我们的验证或推理任务，可以显著降低显存的使用。

with torch.no_grad():
	output=model(input_tensor)	# 模型推理
print(output) # model推理才涉及梯度等，print都不涉及了，所以在不在with之中已经无所谓了

2、简单分析下

2.1 为什么要使用train()和eval()

我们知道nn.Module中的BN层可以加速收敛，但是该层需要计算输入BatchTensor的均值和方差，毕竟一个BatchSize为64、128甚至更大，计算他们的均值和方差也简单。

但问题是，当我们推理时，去对一张图像进行推理时，计算到BN层也需要该批次的均值和方差。但是现在就一个tensor，计算其均值和方差是没有意义的（一个样本的均值和方差统计量说明不了什么）。

实际上在推理时BN所需要的均值和方差是训练时的值（可以理解为训练时把训练样本的均值和方差记录下来了）。

问题来了，模型怎么知道我现在是训练状态还是推理状态？

当model.train()时，模型处于训练状态，模型会计算Batch的均值和方差

当model.eval()时，模型处于验证状态，模型会使用训练集的均值和方差作为验证数据的均值和方差

同样的还有Dropout层，Dropout层在训练时会随机失活某些神经元，提高模型泛化能力，但是在验证推理时，Dropout层不需要再失活了，也就是所有的神经元都要“干活”了。

总之train()和eval()最主要就是影响了BN层和Dropout层

2.2 为什么可以把训练集的统计量用作测试集?

为什么可以把训练集的统计量用作测试集，因为无论是训练集、验证集还是测试机，甚至是没有收集到的同类图像，他们都是独立同分布的。

换句话说，世界上所有的猫的图片组成一个集合，那么这个集合就存在一个分布，这个分布就像高斯分布、泊松分布等，只不过这个猫的集合分布可能更加复杂，暂叫它猫分布吧。

这个猫分布中每一个样本都肯定是服从这个猫分布的，但同时这些样本互不相关联，我们把其中一部分拿来做训练集，再拿一小部分做测试集。

我们设计了一个模型在训练集上训练，因为训练集也服从猫分布，所以模型在训练集上“锻炼”出来的能力，就是从小块训练集去拟合整个猫分布。

即从少量猫图上去推理所有猫图，从而具有泛化能力，去推理没有见过的但同类的图像也有非常好的效果。但是这也容易造成管中窥豹，只看到事物的一部分，见不全面，所以模型又无法识别出所有的猫图。

3、我的坑

我下意识以为使用了no_grad()就不需要再设置了eval()，导致训练效果很好，自己以测试，其输出的概率毫无逻辑。

eval()是影响BN层和Dropout层
而no_grad()是不计算梯度
两个是风马牛不相及，当然搭配使用效果即好还剩内存！