小编mar*_*ruf的帖子

我目前正在使用来自 pytorch 预训练 Faster-RCNN 模型（如 torchvision教程）的迁移学习对自定义数据集进行对象检测。我想在每个时代结束时计算验证损失字典（如在训练模式下）。我可以在训练模式下运行模型进行验证，如下所示：

model.train()
for images, targets in data_loader_val:
    images = [image.to(device) for image in images]
    targets = [{k: v.to(device) for k, v in t.items()} for t in targets]

    with torch.no_grad():
         val_loss_dict = model(images, targets)
         print(val_loss_dict)

但我不认为，这是验证的“正确”方式（因为某些特殊层，如 dropout 和 batch norm 在 eval/train 模式下的工作方式不同）。在 eval 模式下，模型返回预测的 bbox（如预期）。我可以为此使用一些内置函数吗？

谢谢。