python - 相关网络的前向传递输出在没有反向传播的情况下发生变化

Question

我正在使用 Chainer 的相关模型 vgg（这里命名为 net）。每次运行以下代码时，都会得到不同的结果：

img = Image.open("/Users/macintosh/Desktop/Code/Ger.jpg")
img = Variable(vgg.prepare(img))
img = img.reshape((1,) + img.shape)
print(net(img,layers=['prob'])['prob'])

我检查了 vgg.prepare() 几次但它的输出是一样的，这里没有随机初始化（net 是一个预训练的 vgg 网络）。那么为什么会这样呢？

Answer 1

正如你所看到的VGG 实现，它具有dropout功能。我认为这会导致随机性。

当您想在评估模式（而不是训练模式）下转发计算时，您可以将 chainer config 'train' 设置False为如下：

with chainer.no_backprop_mode(), chainer.using_config('train', False):
    result = net(img,layers=['prob'])['prob']

当 train 标志为 时False，不执行 dropout（并且一些其他功能行为也会发生变化，例如，BatchNormalization使用经过训练的统计信息）。