model.eval()和torch.zero_grad()
兩者區別
在pytorch中進行validation時，會使用model.
eval
()切換到測試模式，在該模式下，
主要用於通知dropout層和batchnorm層在train和val模式間切換
在train模式下，dropout網路層會按照設定的引數p設定保留啟用單元的概率（保留概率=p)
; batchnorm層會繼續計算資料的mean和var等引數並更新。
在val模式下，dropout層會讓所有的啟用單元都通過，而batchnorm層會停止計算和更新mean和var，直接使用在訓練階段已經學出的mean和var值。
該模式不會影響各層的gradient計算行為，即gradient計算和儲存與training模式一樣，只是不進行反傳（backprobagation）
而with torch.
zero_grad
()則主要是用於停止autograd模組的工作，以起到加速和節省視訊記憶體的作用，具體行為就是停止gradient計算，從而節省了gpu算力和視訊記憶體，但是並不會影響dropout和batchnorm層的行為。
使用場景
如果不在意視訊記憶體大小和計算時間的話，僅僅使用model.
eval
()已足夠得到正確的validation的結果；而with torch.
zero_grad
()則是更進一步加速和節省gpu空間（因為不用計算和儲存gradient），從而可以更快計算，也可以跑更大的batch來測試。
pytorch 個人使用筆記
debug 主要記錄遇到的bug和函式的筆記，減少重複搜尋 torch.eye n,m none,out none 得到單位矩陣，即對角線為1，不設定 m 預設方陣 torch.cat a,b dim 按維度拼接 torch.sum input,list dim,bool keepdim false...
robotframework使用筆記 持續更新
1.在rf中else 和else if必須要大寫，小寫識別不了 2.在用autoitlibrary的過程中，必須需要等視窗先出現，才能進行後續的操作，否則將無法執行選擇檔案的操作，等待視窗出現的情況，可用如下方法 等待視窗出現的時間，也可以用sleep，如下 以上三種方法均可執行成功，需要注意的是，...
LaTex使用筆記（持續更新）
眾所周知，要在latex中加入jpg，必須要借助graphicx包的幫助。在導言區加上 usepackage import figures然後在你想插入的地方加上 begin centering includegraphics height 4.5cm,width 9.5cm caption lab...