模型的 Pytorch 推理每次都给我不同的结果

Question

我在 pytorch 中创建并训练了一个非常简单的网络，如下所示：

self.task_layers[task][task_layer_key]; TaskLayerManager(
  (taskLayers): ModuleList(
    (0): lc_hidden(
      (dropout_layer): Dropout(p=0.0, inplace=False)
      (layer_norm): LayerNorm((768,), eps=1e-05, elementwise_affine=True)
    )
    (1): cnn(
      (cnn_layer): CNN_Text(
        (dropout): Dropout(p=0.1, inplace=False)
        (fc1): Linear(in_features=300, out_features=2, bias=True)
        (convs1): ModuleList(
          (0): Conv2d(1, 300, kernel_size=(5, 768), stride=(1, 1), padding=(4, 0))
        )
      )
    )
  )
)

Layer descriptions:
taskLayers.0.linear_weights      torch.Size([13])
taskLayers.0.layer_norm.weight      torch.Size([768])
taskLayers.0.layer_norm.bias      torch.Size([768])
taskLayers.1.cnn_layer.fc1.weight      torch.Size([2, 300])
taskLayers.1.cnn_layer.fc1.bias      torch.Size([2])
taskLayers.1.cnn_layer.convs1.0.weight      torch.Size([300, 1, 5, 768])
taskLayers.1.cnn_layer.convs1.0.bias      torch.Size([300])

这是一个二元分类网络，以3d张量为输入[N,K,768]并给出输出[N,2]张量我无法弄清楚“为什么每次运行都会给我不同的结果”？请帮助我 - 我是 pytorch 的新手。如果需要任何其他信息，请告诉我。

Answer 1

我怀疑这是因为您没有将模型设置为和

model.eval()

如果您不这样做，您的 dropout 层将保持激活状态并在每次调用时随机丢弃 p 比例的神经元。

模型的 Pytorch 推理每次都给我不同的结果

Pytorch Inferencing form the model is giving me different results every time

python

deep-learning

torch

pytorch