我有一个带有Dropout层的模型（p = 0.6）。我最终以.eval()模式训练模型，然后再次以.train()模式训练模型，我发现训练.eval()模式为我提供了更好的准确性和更快的训练数据减少量，< / p>
train()：火车损耗：0.832，验证损耗：0.821
eval()：火车损耗：0.323，验证损耗：0.251
为什么会这样？
答案 0 :(得分：-2)
这似乎是一种简单的模型架构，并且在训练模式下，无法捕获数据中的特征，因此拟合不足。
eval()在其他模块中禁用退出和批处理规范化。
这意味着该模型可以更好地训练，而不会出现辍学现象，从而可以帮助更多的神经元更好地学习模型，还可以增加图层大小，增加图层数，降低辍学概率。