今天就跟大家聊聊有关Pytorch项目中evaluation每次的运行结果不同如何解决，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

经过漫长的debug发现，在net architure中有dropout，如下（4）：

(conv_block): Sequential(
    (0): ReflectionPad2d((1, 1, 1, 1))
    (1): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1))
    (2): InstanceNorm2d(256, eps=1e-05, momentum=0.1, affine=False)
    (3): ReLU(inplace)
    (4): Dropout(p=0.5)
    (5): ReflectionPad2d((1, 1, 1, 1))
    (6): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1))
    (7): InstanceNorm2d(256, eps=1e-05, momentum=0.1, affine=False)
   )

在跑evaluation的时候，因为dropout的存在，每次运行会随机丢一些中间结果，从而导致最终结果有差异;

可以在evaluation过程中，使用eval() class强制丢掉random的内容，code如下：

self.fake_B = self.netG.eval().forward(self.real_A)

看完上述内容，你们对Pytorch项目中evaluation每次的运行结果不同如何解决有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注天达云行业资讯频道，感谢大家的支持。