VGG16 预测的随机性

Question

我正在使用 pytorch 中开箱即用的 VGG-16 网络来预测一些图像索引。我发现对于同一个输入文件，如果我预测多次，我会得到不同的结果。这对我来说似乎违反直觉。一旦预测了权重（因为我使用的是预训练模型），任何步骤都不应该有任何随机性，因此使用相同输入文件的多次运行将返回相同的预测。

这是我的代码：

import torch
import torchvision.models as models
VGG16 = models.vgg16(pretrained=True)
def VGG16_predict(img_path):
  transformer = transforms.Compose([transforms.CenterCrop(224),transforms.ToTensor()])
  data = transformer(Image.open(img_path))
  output = softmax(VGG16(data.unsqueeze(0)), dim=1).argmax().item()
  return output # predicted class index
VGG16_predict(image) 

这是图像

Answer 1

回想一下，许多模块有两种训练与评估状态：“某些模型使用具有不同训练和评估行为的模块，例如批量归一化。要在这些模式之间切换，请根据需要使用 model.train() 或 model.eval() . 有关详细信息，请参阅 train() 或 eval()。” （https://pytorch.org/docs/stable/torchvision/models.html）

在这种情况下，分类器层包括 dropout，它在训练期间是随机的。VGG16.eval()如果您希望评估是非随机的，请运行。