Fatal编程技术网
  • neural-network/
  • Neural network Pytorch预训练模型（VGG-19）相同的图像在最后的FC层中给出了稍微不同的等级分数

Neural network Pytorch预训练模型（VGG-19）相同的图像在最后的FC层中给出了稍微不同的等级分数

neural-network deep-learning pytorch

Neural network Pytorch预训练模型（VGG-19）相同的图像在最后的FC层中给出了稍微不同的等级分数,neural-network,deep-learning,conv-neural-network,pytorch,pre-trained-model,Neural Network,Deep Learning,Conv Neural Network,Pytorch,Pre Trained Model,我正在使用torch.vision模块的预训练vgg-19 我对图像数据进行了如下预处理： normalize=transforms.normalize( 平均值=[0.485,0.456,0.406]， 标准=[0.229,0.224,0.225] ) preprocess=transforms.Compose([ 变换。比例（224）， transforms.ToTensor（）， 规范化 ]) 问题是，如果我通过网络传递一个像网球一样的图像，并保存最后一个FC层的所有1000个班级分数，

我正在使用torch.vision模块的预训练vgg-19 我对图像数据进行了如下预处理：

normalize=transforms.normalize(
平均值=[0.485,0.456,0.406]，
标准=[0.229,0.224,0.225]
)
preprocess=transforms.Compose([
变换。比例（224），
transforms.ToTensor（），
规范化
])
问题是，如果我通过网络传递一个像网球一样的图像，并保存最后一个FC层的所有1000个班级分数，并在一段时间后再次传递相同的图像，则最终FC层（即班级分数）会略有变化。尽管网络检测到的图像类别是正确的。（它是一个网球）

同一张图片的课堂分数略有不同，这正常吗？我是说，这会发生吗？或者，对于正确实施的预训练模型，网络应为同一图像每次提供完全相同的课堂分数。

课堂分数可能不同的原因：

  • 您使用的是GPU：GPU评估有点随机，因此如果您在前馈评估中使用GPU，它可能会给出稍微不同的分数
  • 您正在培训模式
    model.train（）
    中使用模型，但未使用
    model.eval（）
    激活评估模式，并且您的模型包含一些随机部分，如退出或向输入添加噪波。然后，这些随机部分仍将处于活动状态