对pytorch,为什么载入好的模型每次预测的结果都不一样？

输入图片，每次的准确率都不一样，一会77，一会30。前面也加了model.eval()，这是为什么呢？

可以用torchscript转一下看看推理效果。如果不好使可以弄fix seed，但是如果fixseed发现结果一样的，说明可能有随机函数在里面....

可能你的dropout没有关掉

这个问题是bug问题，需要根据你的代码一点点排查一般的思路分为一下几个部分：

1. 你需要确定你的模型是否正常载入：首先检查你的模型载入是否是自适应程序，如果你是使用load_state_dict(torch.load(…))来载入，那路径出错或者是参数问题就会载入模型报错，载入失败，这样可以保证你模型一定是载入正确；如果你是采用读取载入预模型和当前模型参数匹配的载入方式，这就会导致一旦你如果载入错误路径等不会提示错误；还有一种情况是你如果选用多GPU 训练和单GPU 训练因为net = torch.nn.DataParallel(model)这个函数会使模型参数键名字改变；

2. 确保测试读取数据：这个需要检查模型测试集读取路径是否正常，输入格式是否和训练集一致等问题，可以通过列印保证送入模型前数据是相同的；

3.在测试的时候加上使用torch.no_grad可以节约内存，不进行计算梯度；

4.确保你模型的是否包含随机数和随机变数：此方法需要再次检查模型，检查你在数据读取，数据预处理地方是否存在随机操作，模型本身是否也有一些随机参数！

差这么多肯定不是随机数种子的问题了，你能把问题描述的更清楚一点吗，比如你数据有多少

你在test里加了随机augmentation

1、仔细梳理一下测试逻辑，看看有没有随机的步骤；

2、把所有随机种子全部设置好，包括random，np.random，torch.random等等；

好好检查一下，流程固定的情况下，pytorch的输出一定是确定的。

如果是相同的测试集，那测试逻辑应该有bug。模型一旦固定对相同的输入会产生相同的值。相当于定义好公式，传值得到的结果不会变化。

如果是每次训练模型在预测，需要设置好随机种子。

训练过程有dropout，预测过程不要dropout. 问题就可以解决了

torch。nograd