关于BN和model.eval()的问题

[luoshuifeiyang]

作者您好，我在拜读并测试过您的代码后有几点问题想要请教一下：
在训练时，您使用的是model.eval()而非model.train()，为什么要这么做呢？我了解到，model.eval()会使BN失去作用,那么这样的话，是不是deeplab_resnet中的BN层其实并没有作用呢？之后，我将model.eval()换成了model.train()进行训练，最终训练出的模型效果不如用model.eval()好，我很迷惑，能请您解释一下原因吗？
谢谢作者。

[backseason]

eval的目的就是为了freeze backbone中bn的参数，因为目标数据集比较小，分布没有原来的imagenet均匀，所以freeze bn的效果会稍好一些。 luoshuifeiyang <notifications@github.com> 于2020年11月20日周五 下午2:15写道：

…

作者您好，我在拜读并测试过您的代码后有几点问题想要请教一下： 在训练时，您使用的是model.eval()而非model.train()，为什么要这么做呢？我了解到，model.eval()会使BN失去作用,那么这样的话，是不是deeplab_resnet中的BN层其实并没有作用呢？之后，我将model.eval()换成了model.train()进行训练，最终训练出的模型效果不如用model.eval()好，我很迷惑，能请您解释一下原因吗？ 谢谢作者。 — You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub <#73>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/ABYO2OD3VGMLU4B6OHOIXQLSQYCQXANCNFSM4T4LFXUA> .

-- From BackSeason-刘姜江 Major in Computer Science and Technology Nankai University, Tianjin,300350 P.R.China J04.liu@gmail.com <j04.liu@gmail.com>

[luoshuifeiyang]

eval的目的就是为了freeze backbone中bn的参数，因为目标数据集比较小，分布没有原来的imagenet均匀，所以freeze bn的效果会稍好一些。 luoshuifeiyang notifications@github.com 于2020年11月20日周五 下午2:15写道：
…
作者您好，我在拜读并测试过您的代码后有几点问题想要请教一下： 在训练时，您使用的是model.eval()而非model.train()，为什么要这么做呢？我了解到，model.eval()会使BN失去作用,那么这样的话，是不是deeplab_resnet中的BN层其实并没有作用呢？之后，我将model.eval()换成了model.train()进行训练，最终训练出的模型效果不如用model.eval()好，我很迷惑，能请您解释一下原因吗？ 谢谢作者。 — You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub <#73>, or unsubscribe https://github.com/notifications/unsubscribe-auth/ABYO2OD3VGMLU4B6OHOIXQLSQYCQXANCNFSM4T4LFXUA .
-- From BackSeason-刘姜江 Major in Computer Science and Technology Nankai University, Tianjin,300350 P.R.China J04.liu@gmail.com j04.liu@gmail.com

谢谢您