[pytorch筆記]net.eval和with torch_no_grad

在使用net.eval( )和with torch_no_grad( )時，發現網上有的例子只使用了一個，有些兩個都用了，我之前也認爲這兩個的作用一樣，後來發現最好是兩個都用。

with torch_no_grad( )：數據不需要梯度計算，即不會進行反相傳播;

net.eval( )：不加的話即使沒有訓練輸入數據也會改變權值，因爲這是禁止forward過程對參數造成的影響;例如禁止dropout或者因爲測試集和訓練集的樣本分佈不一樣，會有batch normalization 所帶來的影響。