對pytorch,為什麼載入好的模型每次預測的結果都不一樣？

輸入圖片，每次的準確率都不一樣，一會77，一會30。前面也加了model.eval()，這是為什麼呢？

可以用torchscript轉一下看看推理效果。如果不好使可以弄fix seed，但是如果fixseed發現結果一樣的，說明可能有隨機函數在裡面....

可能你的dropout沒有關掉

這個問題是bug問題，需要根據你的代碼一點點排查一般的思路分為一下幾個部分：

1. 你需要確定你的模型是否正常載入：首先檢查你的模型載入是否是自適應程序，如果你是使用load_state_dict(torch.load(…))來載入，那路徑出錯或者是參數問題就會載入模型報錯，載入失敗，這樣可以保證你模型一定是載入正確；如果你是採用讀取載入預模型和當前模型參數匹配的載入方式，這就會導致一旦你如果載入錯誤路徑等不會提示錯誤；還有一種情況是你如果選用多GPU 訓練和單GPU 訓練因為net = torch.nn.DataParallel(model)這個函數會使模型參數鍵名字改變；

2. 確保測試讀取數據：這個需要檢查模型測試集讀取路徑是否正常，輸入格式是否和訓練集一致等問題，可以通過列印保證送入模型前數據是相同的；

3.在測試的時候加上使用torch.no_grad可以節約內存，不進行計算梯度；

4.確保你模型的是否包含隨機數和隨機變數：此方法需要再次檢查模型，檢查你在數據讀取，數據預處理地方是否存在隨機操作，模型本身是否也有一些隨機參數！

差這麼多肯定不是隨機數種子的問題了，你能把問題描述的更清楚一點嗎，比如你數據有多少

你在test里加了隨機augmentation

1、仔細梳理一下測試邏輯，看看有沒有隨機的步驟；

2、把所有隨機種子全部設置好，包括random，np.random，torch.random等等；

好好檢查一下，流程固定的情況下，pytorch的輸出一定是確定的。

如果是相同的測試集，那測試邏輯應該有bug。模型一旦固定對相同的輸入會產生相同的值。相當於定義好公式，傳值得到的結果不會變化。

如果是每次訓練模型在預測，需要設置好隨機種子。

訓練過程有dropout，預測過程不要dropout. 問題就可以解決了

torch。nograd