Pytorch 预训练模型 (VGG-19) 相同的图像在最终的 FC 层中给出的类分数略有不同

Question

我正在使用来自torch.vision模块的预训练vgg-19我对图像数据进行了如下预处理：

normalize = transforms.Normalize(
    mean=[0.485, 0.456, 0.406],
    std=[0.229, 0.224, 0.225]
)
preprocess = transforms.Compose([
   transforms.Scale(224),
   transforms.ToTensor(),
   normalize
])

问题是，如果我通过网络传递一个像网球一样的图像，并保存最终 FC 层的所有 1000 个班级分数，并在一段时间后再次传递相同的图像，则最终的 FC 层，即班级分数略有变化。尽管网络检测到的图像类别是正确的。(这是一个网球(

同一图像的班级分数略有不同是否正常？我的意思是，这应该发生吗？或者对于正确实现的预训练模型，网络应该每次对同一图像给出完全相同的类分数。

Answer 1

班级分数可能不同的可能原因：

• 您正在使用 GPU：GPU 评估略微随机，因此如果您在前馈评估中使用 GPU，它可能会给出略有不同的分数。
• 你在训练模式下使用模型model.train()并且没有使用model.eval()激活评估模式，并且你的模型包含一些随机部分，如辍学或向输入添加噪声。 然后这些随机部分仍将处于活动状态。