Python Pytorch访问数据批中的数据点

我试图在数据批处理中的选定数据点上运行我的模型，但该模型生成的输出与直接在批处理上运行完全不同

下面是一个例子：
我有一个数据批（

firstData

），形状

torch.Size（[128,1,28,28]）

，这意味着它包含128个数据点。

firstData

由以下人员检索：

枚举（列装载机）中的（数据）的

firstData=数据
打破

train\u loader

是MNIST数据集上的

torch.utils.data.DataLoader

然后我跑：

带火炬的

。无梯度（）
打印（cnn（firstData.cuda（））[0:2]）#批量运行并获得前两个输出

它输出：

tensor([[-0.5045, -0.8611, -1.0237, -2.2146,  1.6829, -0.1202,  8.2230, -2.9030,
         -0.6736, -1.6260],
        [-1.6367, -0.0683,  2.3553, -2.8480,  8.0057, -2.7570, -0.7046, -1.3720,
         -1.1558,  0.2683]], device='cuda:0')

tensor([[ 0.8256, -1.2180, -2.2164, -0.3754, -1.9170,  2.4913,  4.2119, -2.6611,
          1.1260, -0.2956],
        [-1.1582,  0.8964,  3.2793, -0.4405,  2.4863, -2.9732, -3.5990,  1.8273,
         -0.6883,  0.3878]], device='cuda:0')

当我跑步时：

带火炬的

。无梯度（）
打印（cnn（firstData.cuda（）[0:2]）#选择前两个数据点并运行模型

它输出：

tensor([[-0.5045, -0.8611, -1.0237, -2.2146,  1.6829, -0.1202,  8.2230, -2.9030,
         -0.6736, -1.6260],
        [-1.6367, -0.0683,  2.3553, -2.8480,  8.0057, -2.7570, -0.7046, -1.3720,
         -1.1558,  0.2683]], device='cuda:0')

tensor([[ 0.8256, -1.2180, -2.2164, -0.3754, -1.9170,  2.4913,  4.2119, -2.6611,
          1.1260, -0.2956],
        [-1.1582,  0.8964,  3.2793, -0.4405,  2.4863, -2.9732, -3.5990,  1.8273,
         -0.6883,  0.3878]], device='cuda:0')

此外，

cnn

是一种类似resnet18的结构，已经在MNIST数据集上训练到0.99的精度。我还制作了cnndeterministic，在相同的输入下，它总是返回相同的结果

我是Pytorch的新手，我想这是因为我以错误的方式访问批处理数据。有谁能提出一些建议来解决这个问题吗

更新
谢谢@kHarshit！调用cnn.eval（）解决了我的问题

在PyTorch教程中：
请记住，在运行推理之前，必须调用

model.eval（）

将退出和批处理规范化层设置为评估模式。否则将产生不一致的推理结果。如果要恢复培训，请调用

model.train（）

以确保这些层处于培训模式

这是有意义的，因为我的

cnn

包含

BatchNorm2d

层

---

可以找到官方API

您是否设置了

cnn.eval（）

？不，我没有将数据加载程序中的ITS shuffle设置为true？您需要将模型设置为eval模式。您是否设置了

cnn.eval（）

？不，我没有将数据加载程序中的ITS shuffle设置为true？您需要将模型设置为eval模式。