Pytorch 更新分类图像中的目标

为什么我们要在这里用mc辍学更新贝叶斯cnn的实施目标

---

您提到的实现是一个数据并行的实现

这意味着，作者打算训练具有相同体系结构但超参数不同的多个网络

尽管以非传统的方式，这是

update\u target

所做的：

update_target(net_test, net, 0.001)

它以较低的学习率更新net_测试，但将完全相同的参数更改应用于实际正在训练的原始net。只是变化的尺度不同

我假设这在计算效率方面是有用的，因为在主要训练阶段，只有一个网络实际上正在“训练”：

outputs = net(inputs)
loss = CE(outputs, labels)
loss.backward()
optimizer.step()

---

每一步少一次向前传球和一次向后支撑。

非常感谢，我有点卡住了，因为我是pytorch的初学者，你能告诉我这部分到底是什么吗？是比较还是什么？def main（）：用于透镜中的透镜：。。。。。。。。。。。。。。。保存（列奈、名字、网络、网络、测试）我的荣幸。请考虑接受我的回答，如果你认为它澄清了你发布的功能的目的。也许你可以把这个问题作为另一个问题。您所指的部分是主循环。它训练三个不同的网络。然后测试它们，然后保存网络的最终状态。主环打印所有三个网络的性能，所以是的，你可以把它看作是比较它们。顺便说一下，这三个网络作为全局变量包括在内：

lenets=[Net，Net\u DO，Net\u MCDO]

outputs = net(inputs)
loss = CE(outputs, labels)
loss.backward()
optimizer.step()